UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS …siaibib01.univali.br/pdf/Osmar de Souza...
Transcript of UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS …siaibib01.univali.br/pdf/Osmar de Souza...
UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR
CURSO DE CIÊNCIA DA COMPUTAÇÃO
SISTEMA INTELIGENTE PARA ENSINO DE HISTOLOGIA BUCAL
Área de Inteligência Artificial
por
Osmar de Souza Júnior
Anita Maria da Rocha Fernandes, Dra. Orientadora
Nome do Co-orientador, Titulação Co-orientador
Itajaí (SC), novembro de 2005
i
UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR
CURSO DE CIÊNCIA DA COMPUTAÇÃO
SISTEMA INTELIGENTE PARA ENSINO DE HISTOLOGIA BUCAL
Área de Inteligência Artificial
por
Osmar de Souza Júnior Relatório apresentado à Banca Examinadora do Trabalho de Conclusão do Curso de Ciência da Computação para análise e aprovação. Orientador: Anita M. da Rocha Fernandes, Dra.
Itajaí (SC), novembro de 2005
SUMÁRIO
LISTA DE ABREVIATURAS................................................................iv
LISTA DE FIGURAS ..............................................................................v
LISTA DE TABELAS.............................................................................vi RESUMO................................................................................................vii ABSTRACT...........................................................................................viii 1. INTRODUÇÃO....................................................................................1 1.1. OBJETIVOS ..................................................................................................... 2 1.1.1. Objetivo Geral ................................................................................................ 2 1.1.2. Objetivos Específicos...................................................................................... 2 1.2. METODOLOGIA............................................................................................. 2 1.3. ESTRUTURA DO TRABALHO ..................................................................... 3
2. FUNDAMENTAÇÃO TEÓRICA ......................................................5 2.1. A HISTOLOGIA .............................................................................................. 5 2.2. INFORMÁTICA NA EDUCAÇÃO................................................................. 6 2.2.1. Histórico da Informática na Educação ......................................................... 8 2.2.2. A Informática na Educação no Brasil ......................................................... 10 2.3. SISTEMAS TUTORES INTELIGENTES.................................................... 13 2.3.1. Classificação dos Programas Educacionais ................................................ 13 2.3.2. Uma Perspectiva Histórica de STI .............................................................. 16 2.3.3. Exemplos de Sistemas Tutores .................................................................... 18 2.3.4. Arquiteturas de Sistemas Tutores Inteligentes........................................... 22 2.3.5. Utilização de Agentes Inteligentes em STI.................................................. 27 2.4. INTELIGÊNCIAS MÚLTIPLAS.................................................................. 37 2.5. TÉCNICAS PARA TOMADA DE DECISÃO.............................................. 38 2.5.1. Sistemas Especialistas .................................................................................. 39 2.5.2. Raciocínio Baseado em Casos ...................................................................... 40 2.6. AMBIENTES PARA ENSINO DE HISTOLOGIA...................................... 41 2.7. CONSIDERAÇÕES ....................................................................................... 43
3. DESENVOLVIMENTO....................................................................44 3.1. ANÁLISE DE REQUISITOS......................................................................... 44 3.1.1. Requisitos Funcionais .................................................................................. 44 3.1.2. Requisitos Não-Funcionais .......................................................................... 46 3.2. ARQUITETURA DO SISTEMA................................................................... 46 3.3. MODELAGEM DO SISTEMA ..................................................................... 47 3.3.1. Casos de Uso do Professor ........................................................................... 48 3.3.2. Casos de Uso do Aluno................................................................................. 50 3.3.3. Modelagem do Perfil do Aluno.................................................................... 52
iii
3.3.4. A Base de Domínio ....................................................................................... 55 3.3.5. Atuação dos Agentes .................................................................................... 56 3.3.6. Escolha por Sistemas Especialistas.............................................................. 67 3.3.7. Exercício das Inteligências Múltiplas.......................................................... 69 3.4. TECNOLOGIAS UTILIZADAS NO PROJETO ......................................... 75
4. CONCLUSÕES..................................................................................77 4.1. RECOMENDAÇÕES..................................................................................... 77
REFERÊNCIAS BIBLIOGRÁFICAS..................................................79
ANEXO I – DIAGRAMAS DE CASOS DE USO................................82
ANEXO II – DIAGRAMAS DE CLASSES..........................................95
ANEXO III – TESTE DE INTELIGÊNCIAS MÚLTIPLAS............127
ANEXO IV – ARTIGO........................................................................128
LISTA DE ABREVIATURAS
APA Assistente Pessoal do Aluno APT Assistente Pessoal do Tutor AVEI Ambiente Virtual de Ensino Inteligente CAI Computer Assisted Instruction CLATES Centro Latino-Americano de Tecnologia Educacional CSS Cascade Style Sheets FEPA Ferramenta de Extração do Perfil do Aluno FOSJC Faculdade de Odontologia de São José dos Campos FRA Ferramenta de Rastreamento do Aluno FTA Ferramenta de Tutoria Automática HTML Hypertext Markup Language HYDRIVE Hydraulics Interactive Video Experience IA Inteligência Artificial IAD Inteligência Artificial Distribuída IADz Inteligência Artificial Descentralizada ICAI Intelligent Computer Assisted Instruction ILE Intelligent Learning Environments LUMEN Loyola University Medical Center Education Network MEC Ministério da Educação MIT Massachussets Institute of Technology NCE Núcleo de Computação Eletrônica NUTES Núcleo de Tecnologia Educacional para a Saúde PHP Hypertext Preprocessor RBC Raciocínio Baseado em Casos SE Sistema Especialista SOPHIE Sophisticated Instructional Environment SQL Structured Query Language STI Sistema Tutor Inteligente TCC Trabalho de Conclusão de Curso UFMG Universidade Federal de Minas Gerais UFPe Universidade Federal de Pernambuco UFRJ Universidade Federal do Rio de Janeiro UFRGS Universidade Federal do Rio Grande do Sul UFSC Universidade Federal de Santa Catarina UML Unified Modeling Language UNESP Universidade Estadual Paulista UNICAMP Universidade de Campinas
LISTA DE FIGURAS
Figura 1. Taxonomia para programas educacionais Fonte: Adaptado de Vicari e Giraffa (2003) ....14 Figura 2. Arquitetura clássica de um STI Fonte: Adaptado de Vicari e Giraffa (2003) ...................23 Figura 3. Arquitetura de um ambiente de ensino inteligente Fonte: Adaptado de Cristea e Tuduce
(2002)....................................................................................................................................25 Figura 4. Arquitetura do assistente pessoal do tutor Fonte: Adaptado de Cristea e Tuduce (2002)..26 Figura 5. Arquitetura do assistente pessoal do aluno Fonte: Adaptado de Cristea e Tuduce (2002).27 Figura 6. Taxonomia natural de agentes Fonte: Adaptado de Franklin e Graesser (1996 apud
AHMED, 200?) .....................................................................................................................31 Figura 7. Arquitetura de um agente pedagógico Fonte: Adaptado de Santos et. al. (2001)..............34 Figura 8. Arquitetura do sistema inteligente para ensino de Histologia Bucal.................................47 Figura 9. Casos de uso do professor...............................................................................................48 Figura 10. Casos de uso do aluno...................................................................................................51 Figura 12. Tela de aplicação do questionário de Inteligências Múltiplas ........................................54 Figura 13. A base de domínio do Sistema Tutor Inteligente ...........................................................56 Figura 14. Casos de uso do agente do tutor ....................................................................................57 Figura 15. Tela de cadastro de materiais ........................................................................................59 Figura 16. Tela de monitoramento dos alunos................................................................................60 Figura 17. Casos de uso do agente do aluno...................................................................................61 Figura 18. Agente pedagógico fazendo uma saudação ao aluno .....................................................63 Figura 19. Tela com as questões de avaliação de um aluno ............................................................64 Figura 20. Tela com exemplo de uma questão de múltipla escolha para o aluno.............................65 Figura 21. O agente pedagógico indicando um material de estudo para o aluno..............................66 Figura 22. O agente pedagógico indicando uma página para o aluno consultar...............................67 Figura 23. Árvore de decisão do agente pedagógico.......................................................................69 Figura 24. Tela de cadastro de questão (múltipla escolha)..............................................................71 Figura 25. Tela de cadastro de questão (verdadeiro ou falso) .........................................................72 Figura 26. Tela de cadastro de questão (somatória) ........................................................................73 Figura 27. Tela de cadastro de questão (identificação de imagem) .................................................74 Figura 28. Tela de cadastro de questão (subjetiva) .........................................................................75
LISTA DE TABELAS
Tabela 1. CAI x STI ......................................................................................................................18 Tabela 2. Sistemas Tutores Inteligentes e suas características ........................................................22 Tabela 3. Características de um agente pedagógico dirigido por metas...........................................35 Tabela 4. Propriedades de um agente pedagógico ..........................................................................35 Tabela 5. Vantagens e Desvantagens dos Ambientes de Ensino de Histologia................................43 Tabela 6. Níveis de conhecimento do aluno sobre uma unidade da disciplina.................................55 Tabela 7. Estratégias para desenvolver os tipos de inteligência ......................................................70
RESUMO
SOUZA, Osmar Júnior. Sistema Inteligente para Ensino de Histologia Bucal. Itajaí, 2005. 152 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação)–Centro de Ciências Tecnológicas da Terra e do Mar, Universidade do Vale do Itajaí, Itajaí, 2005. A Histologia tornou-se fundamental na prática da clínica médica. Muitos diagnósticos de doenças são baseados em exames histológicos de amostras de tecido. No entanto, o corpo humano possui uma imensa variedade de tecidos, tornando desafiador o processo de ensino-aprendizagem de Histologia. Para auxiliar os acadêmicos nesse estudo, os sistemas computacionais têm sido grandes aliados. Sistemas de apoio ao ensino, com lâminas histológicas detalhadas, estão disponíveis. Mas apesar desses sistemas apresentarem imagens com alto grau de definição e um conteúdo para leitura, não se enquadram como sistemas de ensino-aprendizagem, porque não possibilitam o aprendizado efetivo do estudante. Este projeto insere-se nesse contexto, pois buscou desenvolver uma solução que permita ao aluno estudar através de um conjunto de materiais, disponibilizado pelo professor, e resolver exercícios, recebendo uma realimentação sobre o seu estudo e desempenho. O sistema foi baseado numa solução Web, utilizando as tecnologias PHP e PostgreSQL, para processamento e armazenamento das informações, respectivamente. A metodologia utilizada neste projeto compreendeu cinco etapas. Na primeira etapa, Estudo, foi realizado um levantamento bibliográfico a fim de adquirir o conhecimento necessário sobre as soluções similares e tecnologias que seriam utilizadas, objetivando desenvolver uma solução mais adequada e eficiente que as existentes. Na segunda etapa, Modelagem, foi feita a especificação do funcionamento da solução proposta, bem como a análise e o projeto do Sistema Tutor Inteligente. Na terceira etapa, Desenvolvimento, realizou-se a implementação da solução modelada através da codificação das suas funcionalidades em software e da prototipação do sistema. Na quarta etapa, Teste, foram realizados experimentos com o protótipo tentando falseá-lo, com o objetivo de eliminar os erros existentes em sua modelagem ou desenvolvimento. Na quinta e última etapa, Documentação, foi feito o registro de todo o projeto de pesquisa com a elaboração de uma monografia e de um artigo científico. Espera-se que o sistema desenvolvido crie uma motivação maior no estudo de Histologia, despertando no aluno um maior interesse e permitindo um aprendizado gradual e efetivo do mesmo. Palavras-chave: Inteligência Artificial. Sistemas Tutores Inteligentes. Histologia.
ABSTRACT
Histology becomes fundamental in medical clinic practice. Many illness diagnoses are based on histological examinations of tissue samples. However, human body has a wide variety of tissues becoming challenger the process of teaching/learning histology. To assist students in this process, computational systems have been great allied. Systems to assist teaching process, with detailed histological sheets, are available. But although these systems present images, with a high degree of resolution and a content to read, they don’t be classified as teaching/learning systems, because they don’t allow an effective learning to the student. This project is inserted in this context, looking for develop a solution which allows the student to study through a set of materials, available by teacher; and solve exercises, receiving a feedback about its own study and performance. The system was based on a web solution, using PHP and PostgreSQL technologies, to process and store information respectively. The methodology used in this project has five phases. In first phase, the Study, was done a bibliographical survey in order to acquire knowledge about similar solutions and technologies that was used to develop a solution better than the others. In second phase, Modeling, was done specification about the system, and analysis and intelligent tutoring system project. In third phase, Development, was done the implementation of modeled system using codification of its functionalities and system prototype. In fourth phase, Testing, were done experiments with the prototype in order to eliminate its errors. In fifth and last phase, Documentation, was done a documentation about the entire project. The goal of this project is to create a better motivation to Histology study, creating in the student an interest and allowing a gradual and effective learning. Keywords: Artificial Intelligence. Intelligent Tutoring Systems. Histology.
1. INTRODUÇÃO
O estudo da Histologia abrange a arquitetura das células, ou seja, o modo como elas estão
organizadas no tecido, a função de cada uma e a interação com o meio extracelular (CORMACK,
1996).
Conhecer a Histologia permite definir a estrutura e função de um órgão e de um sistema. E
conhecer o aspecto normal de um tecido é fundamental para identificar estruturas alteradas, que
podem resultar em doenças. Uma modificação na estrutura de um tecido pode comprometer sua
função, comprometendo também o funcionamento do órgão, do sistema e até mesmo de todo o
organismo (MENDONÇA e LOPES, 2003).
Graças às novas tecnologias, a Histologia tornou-se uma parte central na prática da clínica
médica. Cada vez mais, os diagnósticos de doenças baseiam-se no exame histológico de pequenas
amostras de tecido, os quais podem ser agora obtidos de quase todas as partes do corpo através de
técnicas indolores e seguras de biópsia (PAIM, RODRIGUES e RODRIGUES, 2003).
Contudo, com a grande variedade de tecidos existentes no corpo humano, o processo de
ensino-aprendizagem de Histologia torna-se um desafio para professores e alunos, pois há
necessidade de criar habilidade nos acadêmicos que os capacitem a reconhecer e identificar
características específicas de cada tipo de tecido (CORMACK, 1996).
Para auxiliar os acadêmicos no estudo da Histologia, os sistemas computacionais têm sido
grandes aliados. Este projeto de pesquisa resumiu-se em construir um protótipo de Sistema Tutor
Inteligente para o ensino de Histologia Bucal. A razão da escolha pela disciplina de Histologia
Bucal foi decorrente da grande variedade de tecidos existentes no corpo humano, exigindo a
definição de um escopo para o trabalho. Outro motivo foi a disponibilidade de uma professora da
disciplina que auxiliou na aquisição dos materiais de estudo e exercícios, importantes para os testes
da solução desenvolvida.
O desenvolvimento de um Sistema Tutor Inteligente se justifica porque esses sistemas
modelam o perfil do aluno, permitindo uma adaptação ao estilo de aprendizado de cada estudante,
uma vez que nem todos aprendem da mesma forma.
2
Um dos objetivos de um STI é criar ambientes interativos, e para tanto, utilizou-se de
fundamentos de agentes inteligentes. A utilização de agentes em STIs permite criar ambientes
adaptados aos alunos, capazes de avaliar o desempenho dos alunos e traçar estratégias de ensino. Os
agentes possibilitam aos sistemas tutores uma maior interatividade com o aluno.
1.1. OBJETIVOS
1.1.1. Objetivo Geral
O objetivo geral deste trabalho é desenvolver um Sistema Tutor Inteligente para disciplinas
de Histologia Bucal, de instituições de ensino superior. O sistema deve permitir ao aluno um
aprendizado através de diversos tipos de materiais e atividades preparados pelo professor. O sistema
também deve avaliar o desempenho do aluno, através de um módulo tutor, oferecendo auxílio na
resolução de atividades e sugestões para estudo.
1.1.2. Objetivos Específicos
Têm-se como objetivos específicos deste projeto de pesquisa:
• Pesquisar e avaliar outros sistemas para ensino de Histologia Bucal;
• Determinar os requisitos funcionais e não funcionais do sistema;
• Analisar e selecionar as técnicas de Inteligência Artificial a serem utilizadas
(Sistemas Especialistas e Raciocínio Baseado em Casos);
• Determinar e analisar os conceitos e as tecnologias necessários à implementação do
sistema;
• Implementar o sistema.
1.2. METODOLOGIA
O desenvolvimento deste trabalho consistiu em cinco etapas. A primeira consistiu em obter
informações, através de uma revisão bibliográfica, sobre os conceitos e técnicas que cercam o
desenvolvimento de Sistemas Tutores Inteligentes e Agentes. Também foram avaliados alguns
sistemas de ensino de Histologia, para tentar prover maior qualidade no sistema proposto.
3
Na segunda etapa foi realizada uma avaliação das tecnologias necessárias (linguagens de
desenvolvimento, banco de dados e técnicas de Inteligência Artificial), que determinaram as
ferramentas de desenvolvimento do sistema. Esta etapa também consistiu na modelagem do
sistema, realizada com a linguagem UML (Unified Modeling Language), e na definição das
características e comportamentos dos agentes inteligentes.
A terceira etapa compreendeu o desenvolvimento, onde os casos de uso e as classes da
modelagem foram codificados para a linguagem PHP, e o banco de dados foi implementado.
Na quarta etapa foram realizados testes de funcionalidade do sistema, buscando corrigir os
erros de implementação e procurando validar a implementação, cada classe e cada caso de uso,
segundo a modelagem definida. Não foram realizados testes com alunos ou professores, pois a
validação não era um objetivo deste trabalho.
Na quinta e última etapa, após a conclusão da modelagem e da implementação, foi realizada
a documentação do sistema, onde foi feito todo o registro do projeto de pesquisa, através da
elaboração de uma monografia e um artigo científico.
1.3. ESTRUTURA DO TRABALHO
Este trabalho está estruturado em quatro capítulos. No primeiro capítulo é apresentada a
introdução, os objetivos, a metodologia e a estrutura do trabalho.
No segundo capítulo é feito um estudo da teoria de Sistemas Tutores Inteligentes (STI). Essa
teoria engloba: análise da evolução dos STIs ao longo das últimas décadas, através de uma
perspectiva histórica; exemplos de Sistemas Tutores historicamente importantes; apresentação das
diferentes arquiteturas existentes na literatura; utilização de agentes inteligentes e suas implicações
no desenvolvimento de Sistemas Tutores. Neste capítulo também é apresentada a teoria das
Inteligências Múltiplas, importantes para a modelagem do perfil do aluno. Também é apresentada a
teoria de Sistemas Especialistas e Raciocínio Baseado em Casos, as duas técnicas de Inteligência
Artificial estudadas para a tomada decisão do agente pedagógico.
O terceiro capítulo refere-se ao desenvolvimento do sistema. O desenvolvimento apresenta o
levantamento e análise dos requisitos do sistema; apresentação da arquitetura do sistema; descrição
dos casos de uso e do diagramas de classes; a justificativa da técnica para a tomada de decisão do
agente pedagógico; apresentação das funcionalidades do sistema, as características e
4
comportamento dos agentes do tutor e do aluno. Também são descritas as características das
tecnologias utilizadas no desenvolvimento.
Por último, o quarto capítulo apresenta as conclusões alcançadas com o desenvolvimento do
sistema e as recomendações para trabalhos futuros.
[FIM DE SEÇÃO. Não remova esta quebra de seção]
2. FUNDAMENTAÇÃO TEÓRICA
A evolução tecnológica traz uma série de benefícios, ao automatizar todo um conjunto de
atividades e tarefas dos seres humanos. A ascensão da Internet compreende umas das maiores
revoluções tecnológicas do último século, desde o ponto de vista computacional até o social.
Logo no início ficou claro que a Internet mudaria o conceito de obter informação. As
pessoas passaram a trocar e-mails, criar comunidades virtuais, grupos de discussão e até obter
notícias através da rede mundial de computadores. Quando a Internet passou a fazer parte também
dos computadores domésticos, ultrapassando os limites dos laboratórios de pesquisa, tornou-se um
facilitador na obtenção do conhecimento. E não demorou muito a esses benefícios se estenderem ao
segmento educacional.
Este capítulo está dividido em seis partes. Inicialmente é apresentada uma breve descrição
sobre a área da Histologia. Na segunda parte discute-se a evolução da informática no contexto da
educação, bem como a importância da Internet nesse processo. Os Sistemas Tutores Inteligentes
constituem a terceira e maior parte do capítulo, onde é discutido desde sua evolução histórica,
arquiteturas, exemplos, até a utilização de agentes inteligentes. Na quarta parte são apresentadas as
Inteligências Múltiplas estudadas e as que foram utilizadas neste trabalho. A quinta parte constitui
um breve estudo sobre Raciocínio Baseado em Casos e Sistemas Especialistas, as duas técnicas
avaliadas para o processo de tomada de decisão do agente pedagógico. Por último, são apresentados
alguns sistemas existentes para ensino de Histologia.
2.1. A HISTOLOGIA
A Histologia estuda as células e o material extracelular que constituem os tecidos do corpo.
Inicialmente a Histologia estava cerceada pela limitada capacidade do microscópio óptico para
revelar minúcias dos tecidos. O microscópio eletrônico ampliou consideravelmente o campo de
estudo da Histologia, porque é aproximadamente mil vezes mais poderoso que o microscópio óptico
(JUNQUEIRA e CARNEIRO, 1999).
Além disso, muitos outros instrumentos e técnicas de estudo contribuíram para ampliar
ainda mais o campo da Histologia, como a cultura de células, as técnicas de radioautografia e de
imuno-histoquímica, que possibilitam a localização precisa nos tecidos, de macromoléculas
6
específicas de proteínas, ácidos nucléicos, glicosaminoglicanas, e de sítios de atividade enzimática
(Ibidem).
Paralelo a isto, os progressos obtidos pela bioquímica, fisiologia, imunologia e patologia
possibilitaram o entrelaçamento destes campos com a Histologia, que, atualmente, é estudada no
contexto da histofisiologia, histoquímica, imuno-histoquímica e histopatologia (Ibidem).
Uma das áreas da Histologia que tem grande importância para a saúde humana refere-se a
Histologia Bucal. Tal área abrange temas referentes a: Histologia do periodonto, gengiva, ligamento
periodontal, cemento, processo alveolar e osso alveolar. Atualmente, tem-se um aumento crescente
da preocupação com a saúde bucal, já que 70% da população brasileira apresenta doenças bucais
(MEDEIROS, 2005).
2.2. INFORMÁTICA NA EDUCAÇÃO
A Internet evoluiu, saiu dos laboratórios de pesquisa para os computadores domésticos, e se
mostrou uma fonte riquíssima de informação para os estudantes. A Internet revolucionou a obtenção
de conhecimento, e propôs adaptações ao sistema educacional, introduzindo novas exigências e
competências, principalmente aos educadores. Contudo, a Internet deve ser vista sempre como uma
ferramenta de apoio ao ensino, sob todos os aspectos, e que permitiu aos softwares educacionais se
expandirem, tomando proporções globais e permitindo conectar alunos de qualquer parte do mundo,
minimizando o problema das distâncias geográficas.
Segundo Gregio (2003), o paradigma educacional emergente requer a inserção de novas
práticas curriculares e metodologias inovadoras, para fazer frente às necessidades de uma sociedade
globalizada, que altera padrões de vida das pessoas, seja na maneira de se comunicar, nas
habilidades profissionais de atuação ou na forma de aquisição do conhecimento e do pensar.
Houve sim uma mudança no paradigma educacional, onde antes os alunos eram jovens que
dispunham de tempo integral para dedicar-se aos estudos. Hoje o estudante, principalmente o
adulto, tem o perfil de trabalhador, tendo que dividir seu tempo entre família, trabalho e estudos
(CRISTEA e TUDUCE, 2002).
O futuro papel do professor não será mais o de difusor de saberes, mas o de “animador da
inteligência coletiva” dos estudantes, estimulando-os a trocar seus conhecimentos. Para falar em
tecnologia é necessário cuidar para não usá-la a qualquer custo, mas sim acompanhar consciente e
7
deliberadamente uma mudança de civilização que questiona profundamente as formas
institucionais, as mentalidades, a cultura dos sistemas educacionais e, sobretudo, os papéis de
professor e de aluno (LEVY, 1998 apud GREGIO, 2003).
É importante que o professor exerça sua função de forma organizada, não esquecendo das
implicações pedagógicas da sua função, e que o aluno possa trabalhar o conhecimento no seu
tempo, pois o maior risco é confundir o processo de informatização da educação com ensinar o
aluno a apenas lidar com o computador (LEVY, 1998 apud GREGIO, 2003). Utilizar a informática
para o ensino não implica em aprender sobre o computador, mas sim aprender a explorar os
recursos do computador para motivar o aprendizado.
Segundo Fechine e Queiroz (200-?), o conceito de Informática na Educação compreende
uma ampla e abrangente abordagem acerca de aprendizagem, filosofia do conhecimento, domínio
das técnicas computacionais e prática pedagógica. Enfatiza ainda que a utilização de ferramentas
computacionais não substitui o método de ensino atual, mas auxilia o desenvolvimento das
atividades educacionais através do intercâmbio de informações e do estímulo à consciência crítica,
de forma mais ágil, concreta e agradável para o aluno, onde o conhecimento não é mais
unidirecional, somente do professor, mas vem de várias direções entre os próprios alunos.
Adotar o computador como ferramenta de ensino implica numa mudança cultural. E uma
das principais razões para a sua utilização é a de propiciar situações desafiadoras, de resolução de
problemas, onde o aluno desenvolve o raciocínio, aprende no seu tempo e interagindo com outros
estudantes, enriquecendo o processo de aprendizado.
O projeto de um programa educacional implica uma série de decisões que vão desde o
aspecto técnico até o aspecto pedagógico. A escolha da modalidade de programa educacional que se
deseja implementar traz consigo uma série de pressupostos psicopedagógicos que devem ser
observados pelos projetistas. Todo programa pode ser considerado um programa educacional, desde
que utilize uma metodologia que o contextualize no processo de ensino-aprendizagem (VICARI e
GIRAFFA, 2003).
Não se pode esquecer a importância do significado social que o computador representa para
os professores, traduzido no senso comum. É visível o despreparo dos professores na adaptação à
modernidade, e a aversão por parte dos mesmos diante das mudanças necessárias e impostas pela
8
evolução tecnológica. Os professores estão fortemente arraigados à concepção tradicional do seu
papel, do papel da educação e dos métodos de ensino (GREGIO, 2003).
Nesse contexto, construir laboratórios nas escolas e equipá-los com computadores de última
geração não implica em avanços na qualidade do ensino. Faz-se necessário treinar professores e
alunos, dispor das ferramentas corretas e entender que o computador é um meio, e não um fim.
Gregio (2003) afirma que os professores representam o “elemento-chave” para que o
trabalho possa cumprir seus objetivos. Inicia-se assim, um processo continuo de formação dos
professores, que abrange conhecimentos específicos sobre Informática, e conhecimentos sobre o
processo de ensino-aprendizagem onde as teorias subsidiam a escolha de diferentes ferramentas
computacionais e suportam a aplicação educacional das mesmas.
O aprendizado é um processo gradual e contínuo, e necessita que o conhecimento adquirido
seja aplicado, trabalhado na prática. O filósofo chinês Confúcio certa vez disse: “O que ouço, eu
esqueço, o que vejo, eu recordo, o que faço, eu aprendo”. Palavras sábias que retratam um fato real.
Conhecimento adquirido, mas não exercitado, perde-se ao longo do tempo.
As pessoas tendem a aprender melhor quando associam um conteúdo a algo prático, que
aplicam na vida real. Segundo Cristea e Tuduce (2002), as pessoas aprendem melhor quando são
motivadas e desafiadas, ou quando necessitam do conhecimento para resolver um problema.
Se os esforços no desenvolvimento da Informática na Educação forem direcionados neste
sentido, para motivar, desafiar e exercitar o estudante, o computador torna-se uma ferramenta
poderosa e aliada do educador. Se o professor continuar a insistir em ser um mero “transmissor” de
conhecimento, e transformar os alunos em “espectadores” estáticos, meros ouvintes, esse professor
certamente será substituído. Mas não por máquinas, e sim por outro professor.
2.2.1. Histórico da Informática na Educação
Nos Estados Unidos, nos anos 60, foram desenvolvidos os primeiros sistemas de instrução
programada, conhecidos como CAI (Computer Assisted Instruction). Os pioneiros nestes projetos
foram a IBM, a RCA e a Digital. A Control Data Corporation em conjunto com a Universidade de
Illinois produziu o software PLATO, um sistema CAI muito bem sucedido (VALENTE e
ALMEIDA, 1997).
9
Naquela época, uma dificuldade que imperava era que os computadores eram grandes e
espaçosos, e ainda havia outros problemas de ordem tecnológica, como no armazenamento dos
dados. Com a introdução dos microcomputadores nos anos 80, esses obstáculos foram superados.
Com o surgimento dos microcomputadores, para uso pessoal, abriram-se novas portas para o
uso do computador como ferramenta de apoio educacional. Um exemplo marcante foi o Logo.
A linguagem Logo foi desenvolvida em 1967 tendo como base a teoria de Piaget e algumas
idéias da Inteligência Artificial (Papert, 1980 apud Valente e Almeida, 1997). Inicialmente essa
linguagem foi implementada em computadores de médio e grande porte, fato que fez com que, até o
surgimento dos microcomputadores, o uso do Logo ficasse restrito às universidades e laboratórios
de pesquisa. Na verdade foi a única alternativa que surgiu para o uso do computador na educação
com uma fundamentação teórica diferente, passível de ser usado em diversos domínios do
conhecimento e com muitos casos documentados que mostravam a sua eficácia como meio para a
construção do conhecimento através do uso do computador (VALENTE e ALMEIDA, 1997).
Segundo Campos (2005), em 1983 foram identificados mais de 7.000 pacotes de software
educacionais no mercado norte-americano, em média 125 novos a cada mês. Ocorreu uma enorme
produção e diversificação de sistemas CAI, como tutoriais, demonstração, exercício-e-prática, jogos
e simulação.
Nos Estados Unidos, o computador passou a fazer parte da lista de materiais que o aluno tem
que adquirir ao entrar numa universidade. O estudante sai da universidade com um bom
conhecimento sobre informática. No entanto, o processo de ensino continuava baseado na simples
transmissão da informação. Segundo Campos (2005), ocorreram mudanças tecnológicas fantásticas
e palpáveis, mas sem correspondência com mudanças pedagógicas.
Segundo Valente e Almeida (1997), para os americanos a preocupação atual não é mais a
produção de software cada vez mais inteligente e robusto para "automatizar a instrução", mas a
produção de software que facilita o desenvolvimento de atividades colaborativas e auxiliares no
desenvolvimento de projetos baseados na exploração. Um grande exemplo são as atividades dos
centros de pesquisa da Xerox e da RAND, mostrando que hoje existe a preocupação com a
interação homem-máquina, com a realização de atividades mediadas pelo computador ao invés de o
computador ser a supermáquina que assume o controle do processo de ensino.
10
Na França, foi realizado um planejamento de público-alvo, materiais, software, meios de
distribuição, instalação e manutenção dos equipamentos nas escolas. O objetivo era preparar o
aluno para ser capaz de usar a tecnologia da informática. Após 20 anos de execução de diversos
planos nacionais, todos os colégios e liceus já possuíam equipamentos computacionais e cerca de
5% de seus professores foram preparados (sem articulações entre teorias educacionais e práticas
pedagógicas com o computador). A informática deixou de ser ensinada como disciplina e passou a
ser usada como ferramenta tecnológica. A formação em informática propriamente pedagógica
iniciou-se em 1985. Apesar de o objetivo não ser o de provocar mudanças de ordem pedagógica,
houve avanços (pequenos) neste sentido (CAMPOS, 2005).
2.2.2. A Informática na Educação no Brasil
No Brasil, o início da Informática na Educação data da década de 70. Os pioneiros em
trabalhos nesta área foram a UFRJ, a UNICAMP e a UFRGS. Os registros apontam como
instituição pioneira na utilização do computador em atividades acadêmicas a Universidade Federal
do Rio de Janeiro, através do Departamento de Cálculo Científico, criado em 1966, e que deu
origem ao Núcleo de Computação Eletrônica - NCE.
Nessa época, o computador era utilizado como objeto de estudo e pesquisa, dando ensejo a
uma disciplina voltada para o ensino de informática. A partir de 1973, o Núcleo de Tecnologia
Educacional para a Saúde e o Centro Latino-Americano de Tecnologia Educacional -
NUTES/CLATES, dessa mesma universidade, iniciavam, no contexto acadêmico, o uso da
informática como tecnologia educacional voltada para a avaliação formativa e somativa de alunos
da disciplina de química, utilizando-a para o desenvolvimento de simulações (MORAES, 1997).
Em julho de 1975, a UNICAMP receberia as visitas de Seymour Papert e Marvin Minsky
para ações de cooperação técnica. Em fevereiro-março de 1976, um grupo de pesquisadores da
UNICAMP visitou o Media-Lab do MIT/USA, cujo retorno permitiu a criação de um grupo
interdisciplinar envolvendo especialistas das áreas de computação, lingüística e psicologia
educacional, dando origem às primeiras investigações sobre o uso de computadores na educação,
utilizando a linguagem Logo. Iniciava-se, naquela oportunidade, uma profícua cooperação técnica
internacional com os renomados cientistas Papert e Minsky, criadores de uma nova perspectiva em
inteligência artificial, e que até hoje vem refletindo na qualidade dos trabalhos desenvolvidos na
UNICAMP (MORAES, 1997).
11
O projeto Logo da UNICAMP foi o primeiro de sua natureza a ser implantado no Brasil,
quando poucas eram as pessoas, até no exterior, preocupadas com o assunto. Seu objetivo inicial foi
introduzir a linguagem Logo no Brasil, adequá-la à realidade brasileira, com base em um estudo
piloto com algumas crianças, estudo este que teria por objetivo verificar como o ambiente Logo
influencia a aprendizagem. Suas atividades têm-se aplicado em escopo e abrangência, de modo a
atingir treinamento de instrutores e professores e desenvolvimento de material didático, dentro da
filosofia Logo (UNICAMP, 1983).
Em 1980, o SISCAI, um sistema de ensino baseado em computador, usava terminais de tele
processamento localizados no Campus Central da UFRGS conectados a um mainframe localizado
no Campus Saúde, fazendo uso de tele processamento. Este sistema foi também usado a partir de
São Paulo, em demonstrações e em atividade de treinamento ministrada para técnicos da
EMBRATEL, no início da década de 80 (UFRGS, 2005).
Em 1993 o LEC/UFRGS desenvolveu o 1º projeto de Educação à Distância usando rede
telemática com alunos e professores de classes de alfabetização, incluindo alfabetização de
deficientes auditivos. Aplica-se, pela primeira vez, comunicação on-line através de Packet-Radio,
na freqüência de radioamador. Foi iniciada em 1993 a ligação desta tecnologia com a RNP, BitNet e
Internet (UFRGS, 2005).
Segundo Valente e Almeida (1997), a implantação do programa de informática na educação
no Brasil iniciou-se com o primeiro e segundo Seminário Nacional de Informática em Educação,
realizados respectivamente na Universidade de Brasília em 1981 e na Universidade Federal da
Bahia em 1982. Esses seminários estabeleceram um programa de atuação que originou o EDUCOM
e uma sistemática de trabalho diferente de quaisquer outros programas educacionais iniciados pelo
MEC. No caso da Informática na Educação as decisões e as propostas nunca foram totalmente
centralizadas no MEC. Era fruto de discussões e propostas feitas pela comunidade de técnicos e
pesquisadores da área. A função do MEC era a de acompanhar, viabilizar e implementar essas
decisões.
Existem três grandes diferenças do programa brasileiro em relação aos outros países, como
França e Estados Unidos, segundo (VALENTE e ALMEIDA, 1997):
• A primeira é a questão da descentralização das políticas. No Brasil as políticas de
implantação e desenvolvimento não são produtos somente de decisões
12
governamentais, como na França, nem conseqüência direta do mercado como nos
Estados Unidos.
• A segunda diferença é a questão da fundamentação das políticas e propostas
pedagógicas da informática na educação. Desde o início do programa, a decisão da
comunidade de pesquisadores foi a de que as políticas a serem implantadas deveriam
ser sempre fundamentadas em pesquisas pautadas em experiências concretas, usando
a escola pública, prioritariamente, o ensino de 2° grau. Essas foram as bases do
projeto EDUCOM, realizado em cinco universidades: UFPe, UFMG, UFRJ, UFRGS
e UNICAMP. Esse projeto contemplou ainda a diversidade de abordagens
pedagógicas, como desenvolvimento de software educativo e uso do computador
como recurso para resolução de problemas. Do ponto de vista metodológico, o
trabalho deveria ser realizado por uma equipe interdisciplinar formada pelos
professores das escolas escolhidas e por um grupo de profissionais da universidade.
Os professores das escolas deveriam ser os responsáveis pelo desenvolvimento do
projeto na escola, e esse trabalho deveria ter o suporte e o acompanhamento do grupo
de pesquisa da universidade, formado por pedagogos, psicólogos, sociólogos e
cientistas da computação. Na França as políticas implantadas pelo governo não
foram necessariamente fundamentadas em pesquisa, e nos Estados Unidos, embora
tenham sido produzidas inúmeras pesquisas, estas podiam ou não ser adotadas pela
escola interessada em implantar a informática.
• A terceira diferença é a proposta pedagógica e o papel que o computador deve
desempenhar no processo educacional. Nesse aspecto o programa brasileiro de
informática na educação é bastante peculiar e diferente do que foi proposto em
outros países. No programa brasileiro, o papel do computador é o de provocar
mudanças pedagógicas profundas ao invés de "automatizar o ensino" ou preparar o
aluno para ser capaz de trabalhar com o computador. Todos os centros de pesquisa
do projeto EDUCOM atuaram na perspectiva de criar ambientes educacionais
usando o computador como recurso facilitador do processo de aprendizagem. O
grande desafio era a mudança da abordagem educacional: transformar uma educação
centrada no ensino, na transmissão da informação, para uma educação em que o
aluno pudesse realizar atividades através do computador e, assim, aprender. A
formação dos pesquisadores dos centros, os cursos de formação ministrados e
13
mesmo os software educativos desenvolvidos por alguns centros eram elaborados
tendo em mente a possibilidade desse tipo de mudança pedagógica.
2.3. SISTEMAS TUTORES INTELIGENTES
A sociedade moderna requer um aumento cada vez maior do volume de conhecimento, não
somente para o trabalho, mas também para a vida. O conceito de ambiente inteligente, que se
destina a auxiliar os seres humanos nos trabalhos entediantes e repetitivos, traz consigo a
necessidade de um alto treinamento, sobre como gerenciar um grande volume de informação
estruturada e organizada, definido como conhecimento (CRISTEA e TUDUCE, 2002).
Segundo Hall (1990 apud VAZ e RAPOSO, 2002), os Sistemas Tutores Inteligentes são
uma composição de diversas áreas do conhecimento como psicologia, ciência cognitiva e
inteligência artificial. O objetivo principal destes sistemas é a modelagem e a representação do
conhecimento especialista humano para auxiliar o estudante através de um processo interativo.
Os STI são programas que, interagindo com o aluno, modificam suas bases de conhecimento
(aprendem), percebem as intervenções do aluno e possuem a capacidade de adaptar as estratégias de
ensino de acordo com o desenrolar do diálogo. Caracterizam-se principalmente por construir um
Modelo Cognitivo do aluno, da interação, da formulação e comprovação de hipótese sobre o estilo
do aluno, suas ações, o seu nível de conhecimento do assunto e suas estratégias de aprendizagem
(VICARI e GIRAFFA, 2003).
Sistemas Tutores Inteligentes oferecem considerável flexibilidade na apresentação do
material e uma maior habilidade para responder às necessidades do usuário (estudante). Eles
procuram não apenas ensinar, mas como ensinar, aprendendo informações relevantes sobre o
estudante, proporcionando um aprendizado individualizado e tomando decisões pedagógicas sobre
como transmitir o material. Isto permite uma grande interatividade do sistema com o estudante.
Sistemas tutores inteligentes têm sido apresentados como altamente eficientes para a melhora do
desempenho e motivação dos estudantes (LIMA e ROSATELLI, 2003).
2.3.1. Classificação dos Programas Educacionais
A idéia de classificar e rotular um programa através de suas características estruturais e
funcionais é válida no sentido de organizar os programas para facilitar o acesso a eles em uma
14
biblioteca de programas escolares. Outra vantagem da classificação é favorecer sua análise sob o
ponto de vista de projeto e/ou pedagógico (VICARI e GIRAFFA, 2003).
Vicari e Giraffa (2003) apresentam uma proposta de uma taxonomia para programas
educacionais, ilustrada na Figura 1.
Figura 1. Taxonomia para programas educacionais Fonte: Adaptado de Vicari e Giraffa (2003)
Na categoria “Aprendizagem de habilidades específicas” estão os programas onde a
aprendizagem proporcionada pelo ambiente está centrada na aquisição de habilidades específicas.
No grupo dos CAI encontram-se as seguintes modalidades (VICARI e GIRAFFA, 2003):
• Programas de reforço ou exercício: o aluno pratica e testa conhecimentos de forma
dirigida e procedural. As versões mais atuais desses programas utilizam recursos de
hipermídia mantendo essas características;
• Tutoriais: seguem o padrão de ensino da sala de aula tradicional, onde o conteúdo é
previamente organizado numa estrutura definida pelo professor, e o aluno seleciona
dentre as diversas opções disponíveis o conteúdo que deseja estudar. Mesmo aqueles
que utilizam estrutura de hipermídia ou foram escritos em versão Web, mantêm as
características do ensino tradicional e não apresentam grandes revoluções, sob o
ponto de vista pedagógico;
• Jogos educacionais e as simulações: são modalidades que adquiriram uma projeção
maior nos últimos anos devido ao desenvolvimento dos recursos de hardware e
software disponíveis no mercado. As diferenças conceituais entre os jogos e as
simulações podem ser caracterizadas pelo fato de que o jogo é um processo
intrinsecamente competitivo e uma simulação é a simples execução dinâmica de um
modelo previamente definido.
15
Segundo Vicari e Giraffa (2003), o grupo dos sistemas ICAI apresenta uma estrutura
diferenciada dos CAI. Os ICAI são programas que utilizam técnicas de IA e os resultados da
Psicologia Cognitiva com uma arquitetura modular. Os sistemas ICAI foram projetados como uma
tentativa de fazer com que o programa educacional deixe de ser um mero virador de páginas
eletrônico e se torne um elemento mais ativo no processo de ensino-aprendizagem.
A categoria “Aprendizagem de habilidades cognitivas amplas” dos programas educacionais
está dividida da seguinte forma, segundo Vicari e Giraffa (2002):
• Micromundos: constituem o grupo dos ambientes de aprendizagem cognitivas
amplas. Surgiram na década de 60 e se caracterizam por ser uma proposta contrária
aos CAI. Nesse sentido o ambiente permite que o aluno trabalhe de forma
diversificada, segundo seu próprio ritmo e ainda possibilita que ele construa sua
solução, utilizando recursos de programação inerentes ao ambiente. Os micromundos
foram criados para desenvolver habilidades cognitivas no aluno e estimular o
pensamento reflexivo. Trabalham basicamente com a solução de problemas e não
apresentam conteúdos pré-fixados e respostas;
• Sistemas de Autoria: ferramenta de criação que possibilita ao aluno viabilizar seu
projeto de trabalho. Utilizado dessa maneira, um sistema de autoria oferece ao aluno
a possibilidade de explorar um conjunto amplo de habilidades cognitivas, exercendo
sua criatividade;
• Jogos educacionais: apresentam uma concepção diferenciada daqueles apresentados
na categoria “Aprendizagem de habilidades específicas”. Nesses ambientes, existe
um modelo de simulação onde o tipo de ação executada pelo aluno fará diferença no
resultado do jogo. Não é mais uma mera questão de ganhar ou perder. O aluno atinge
ou não um determinado grau de controle do jogo através do resultado que aparece na
tela no final do tempo da partida. Requerem uma equipe interdisciplinar mais
diversificada do que os jogos da categoria “Aprendizagem de habilidades
específicas”.
• ILE (Intelligent Learning Environments): ambientes de aprendizagem social que
utilizam técnicas de Inteligência Artificial no seu projeto e no seu desenvolvimento.
Caracterizam-se por considerar mais de um aluno ou mais de um tutor trabalhando
no mesmo ambiente. Podem incluir características das modalidades encontradas na
16
categoria ICAI. Os ILE também são conhecidos como Sistemas Tutores
Cooperativos ou Sistemas de Aprendizagem Social. Combinam aspectos das
modalidades STI e Micromundos, podendo agregar os elementos de simulações
(jogos educacionais).
2.3.2. Uma Perspectiva Histórica de STI
As pesquisas na área de Instrução Auxiliada por Computador (CAI - Computer Assisted
Instruction) tiveram início ainda na década de 1960. Os resultados obtidos geraram um grupo de
programas convencionalmente chamados page-turners, caracterizados pelas lições preparadas sobre
um dado assunto específico, onde o usuário apenas "virava a página". Nenhuma distinção entre os
vários níveis de conhecimento dos usuários era feita, tampouco a geração de problemas e
comentários diferenciados (FEIGENBAUM, 1982 e RICKEL, 1989 apud COSTA, 2002).
Segundo Urban-Lurain (1996), os programas CAI geravam conjuntos de problemas
projetados para aumentar o desempenho do estudante em domínios baseados em habilidades, como
aritmética e recuperação de vocabulário. Esses sistemas são projetados para apresentar ao aluno um
problema, receber e registrar a resposta, e calcular as médias do aluno nas tarefas. Basicamente
esses sistemas assumem que se a informação é apresentada ao aluno, ele irá aprender.
O surgimento da Inteligência Artificial (IA) levou os desenvolvedores de programas de CAI
a utilizar técnicas de IA para fazer com que o software deixasse de ser um mero virador de páginas
eletrônico e se tornasse um elemento mais ativo no processo de interação com o aluno. Surgiram,
assim, os sistemas ICAI, cujo nome mais utilizado na literatura é Sistema Tutor Inteligente
(VICARI e GIRAFFA, 2003).
Segundo McArthur (1993 apud VAZ e RAPOSO, 2002), os sistemas CAI não forneciam o
mesmo tipo de atenção individualizada que podia ser oferecida por um tutor humano. Esta atenção
poderia ser alcançada através de um sistema que pudesse raciocinar sobre o domínio e sobre o
estudante. Neste sentido, surgiu a proposta dos Sistemas Tutores Inteligentes.
Fowler (1991 apud Costa, 2002) afirma ainda que os STI são programas de computador com
propósitos educacionais e que incorporam técnicas de IA, geralmente utilizando-se da tecnologia
dos sistemas especialistas. Os STI derivam dos programas CAI e oferecem vantagens sobre estes,
17
porque podem simular o processo do pensamento humano, dentro de um determinado domínio, para
auxiliar em estratégias nas soluções de problemas ou nas tomadas de decisões.
É importante notar que a implementação de Sistemas Tutores Inteligentes trouxe a tona
outras questões pedagógicas. Os métodos tradicionais de ensino são bem conhecidos e bem
definidos, mas os novos métodos precisam ainda ser mais discutidos. Dentre estes novos métodos,
poder-se-ia citar aspectos de colaboração, aprendizado por experiências ou visualização. Neste
contexto, surgem os ambientes de ensino interativo (ILE - Intelligent Learning Environment)
(COSTA, 2002).
Vicari e Giraffa (2003) definem os ambientes ILE como uma derivação dos STI, denotando
Sistemas Tutores Cooperativos ou Sistemas de Aprendizagem Social. Um ILE pode ser entendido
como uma combinação de aspectos das categorias STI e Micromundos, ou como STI de 2ª geração.
Costa (2002) complementa que os sistemas ILE são uma evolução natural dos sistemas STI,
onde se procura endereçar os novos métodos educacionais. O objetivo não é apenas ensinar as
habilidades tradicionais de forma mais rápida, eficiente e com menos custo. O foco é trabalhar na
mudança dos métodos educacionais para redefinir novas metas e aplicá-las também em sala de aula.
As diferenças mais profundas entre os ICAI e os CAI tradicionais (VICARI e GIRAFFA,
2003) estão na forma com que se concebe o seu projeto. Os CAI induzem o aluno a uma resposta
correta mediante uma série de estímulos cuidadosamente planejados, e os ICAI pretendem simular
algumas das capacidades cognitivas do aluno e utilizar esses resultados como base para as decisões
pedagógicas a tomar.
Vicari e Giraffa (2003) afirmam ainda que o principal objetivo de um Sistema Tutor
Inteligente é o de proporcionar um ambiente adaptado ao aluno, tanto no conteúdo como na forma,
superando dessa maneira alguns dos problemas mais cruciais do software educativo na atualidade.
No entanto existem limitações, sejam de hardware ou de software, que não permitem colocar
dispositivos que trabalhem com aspectos relativos aos sentidos do olfato, tato e visão, por exemplo.
A Tabela 1 apresenta algumas diferenças e semelhanças entre os sistemas CAI e STI.
18
Tabela 1. CAI x STI
Aspecto CAI STI Origem Educação Ciência da Computação Bases Teóricas Skinner (behaviorista) Psicologia Cognitivista Estruturação e Funções Uma única estrutura
algoritmicamente pré-definida, onde o aluno não influi na seqüênciação.
Estrutura subdivida em módulos, cuja seqüênciação se dá em função da resposta do aluno.
Estruturação do Conhecimento Algorítmica Heurística Modelagem do Aluno Avaliam a última resposta Tentam avaliar todas as
respostas do aluno durante a interação
Modalidades Tutorial, exercício e prática, simulação e jogos educativos.
Socrático, ambiente interativo, diálogo bidirecional e guia.
Fonte: Vicari e Giraffa (2003)
2.3.3. Exemplos de Sistemas Tutores
A seguir são apresentados exemplos de Sistemas Tutores Inteligentes que foram
historicamente importantes, descrevendo-se sucintamente suas características.
2.3.3.1. Scholar
Segundo Vaz e Raposo (2002), o programa Scholar foi o primeiro a tentar incluir a
modelagem do conteúdo. O conhecimento do sistema é representado em uma rede semântica cujos
nodos significam objetos e conceitos geográficos sobre a América do Sul. Esta rede contém uma
série de elementos ligados por relações claramente especificadas, onde por exemplo, o Brasil é um
sub-conceito de país localizado na América do Sul.
O Scholar é considerado um marco histórico, um exemplo clássico de Sistemas Tutores
Inteligentes. Foi desenvolvido e construído pela equipe do Prof. Jaime Carbonell, num laboratório
de pesquisa em Cambridge, Massachussets, Estados Unidos, no início da década de 70.
O programa Scholar foi o responsável pelo lançamento de um novo paradigma e utiliza o
método socrático como estratégia tutorial. No método socrático, o tutor ensina o aluno através de
uma abordagem de exposição indireta, que consiste na oferta de questões sucessivas que visam a
formular princípios gerais baseados em casos particulares. O aluno deve analisar e avaliar hipóteses,
descobrir contradições e, finalmente, fazer inferências corretas (VICARI e GIRAFFA, 2003).
19
Com seu conhecimento de domínio representado como uma rede semântica, o sistema
Scholar faz uso de procedimentos de inferência para uma interação tutorial simples. Usualmente os
tutores de iniciativa mista dependem da fácil interação do sistema com o estudante através da
linguagem natural. Assim, serão necessários avanços consideráveis na área de compreensão de
linguagem natural, e isso, sem dúvida, é um dos grandes desafios da Inteligência Artificial (VAZ e
RAPOSO, 2002).
O Scholar foi objeto de muito estudo e novas versões foram construídas, mas segundo
Vicari e Giraffa (2003) ele não foi amplamente utilizado, exceto num sistema on-line de consulta
inteligente chamado NLS-Scholar, desenvolvido por Grignetti e colaboradores, e utilizado como
um tutor assistente. A razão disso deve-se, em parte, às limitações das redes semânticas em
representar conhecimento procedural. Para o reconhecimento do diálogo com o aluno, que utiliza
um subconjunto da língua natural, foram utilizadas regras de produção.
2.3.3.2. Sophie
O projeto Sophie (SOPHisticated Instructional Environment), coordenado por Brown e
Burton é, de certa maneira, uma reminiscência do Scholar. O projeto baseia-se no tutor
Meteorology, utilizado para ensinar predições meteorológicas. A idéia do Sophie era a de oferecer
um ambiente de aprendizagem reativo, no qual o aluno pudesse testar suas idéias, tê-las criticadas e
receber orientação do tutor (VICARI e GIRAFFA, 2003).
Segundo Vaz e Raposo (2002), ao contrário do Scholar, seu principal esquema
representacional para o conhecimento do domínio é um modelo de simulação, ao invés de uma rede
semântica. O programa apresenta ao estudante a simulação de uma parte de um equipamento
eletrônico com defeito. O estudante deve diagnosticar o problema fornecendo as medidas adequadas
ou formulando algumas questões específicas. O sistema é projetado para responder questões
hipotéticas sobre o sistema sendo simulado, e também avaliar hipóteses. O Sophie proporciona ao
estudante um ambiente de aprendizagem no qual ele adquire técnicas para a resolução de problemas
experimentando suas idéias, ao invés de somente expor o material a ser ensinado. O sistema tem um
modelo do conhecimento para resolução de problemas em seu domínio, assim como numerosas
estratégias heurísticas para responder às questões dos estudantes, criticar suas hipóteses, e sugerir
teorias alternativas.
20
Segundo Vicari e Giraffa (2003), o ambiente Sophie é utilizado até hoje em uma versão de
jogo, onde os participantes discutem os prováveis erros que ocorrem no projeto de circuitos. A
partir do Sophie foram criados os projetos Sophie I, Sophie II, Sophie III, desenvolvidos
posteriormente nos laboratórios do MIT, em Palo Alto, e nos Laboratórios da Xérox.
2.3.3.3. West
Segundo Vaz e Raposo (2002), o projeto West foi iniciado no contexto do Sophie. Uma vez
que o domínio da eletrônica parecia muito complexo para uma primeira investigação da arte de
treinar, o domínio escolhido para este propósito foi o jogo educacional para computador chamado
"How the WEST was won", desenvolvido para o projeto PLATO Elementary Mathematics Project.
Este domínio estava de acordo, portanto, com o conceito de ambiente de aprendizagem reativo. O
propósito do jogo é exercitar técnicas de aritmética.
A influência do West na área foi muito significativa, e o sistema é ainda hoje uma referência
aos pesquisadores. Entretanto, o tutor em si foi utilizado somente durante alguns meses de
experimentos preliminares. Isto pode ser devido ao custo do equipamento em que ele foi
originalmente desenvolvido. Considerando o número de jogos ruins atualmente disponíveis para
computador, é uma pena que programas cuidadosamente elaborados como West devam permanecer
somente como experimentos de laboratório (WENGER, 1987 apud VAZ e RAPOSO, 2002).
2.3.3.4. Guidon
Segundo Vaz e Raposo (2002), o sistema Guidon é um sistema tutorial especialista para o
ensino de diagnóstico de doenças infecciosas do sangue que foi desenvolvido a partir da base de
conhecimento já formada do Mycin, talvez o mais antigo e conhecido sistema especialista, e cuja
concepção original foi inspirada pelas capacidades de diálogo do sistema Scholar. O Mycin é um
sistema de diagnóstico médico e prescrição, altamente especializado, destinado a ajudar os médicos
nas infecções de meningite e de bacteriemia (COSTA, 2002).
Os sistemas especialistas parecem oferecer uma base ideal para a construção de programas
tutoriais. Além do fato óbvio de apresentarem grande quantidade de conhecimento especialista, uma
outra vantagem é a usual separação da base de conhecimento contendo as regras de produção do
interpretador procedimental que as utiliza. Ainda que um sistema especialista tenha uma boa
capacidade de explicação, ele pode somente justificar suas ações passivamente. Para ser capaz de
21
ativamente apresentar o conhecimento, um sistema tutorial necessita de técnicas adicionais para
selecionar o material educacional, ser sensitivo ao estudante, e conduzir uma interação de modo
bastante eficaz (WENGER, 1987 apud VAZ e RAPOSO, 2002).
Costa (2002) afirma que a principal deficiência do sistema é o fato de pressupor que o aluno
tem o entendimento dos termos técnicos utilizados, bem como os resultados dos testes químicos
apresentados.
O projeto Guidon é o único na tentativa de transformar um sistema especialista em um tutor
inteligente. A principal contribuição da primeira versão deste sistema é a identificação e o
tratamento separado de diferentes tipos de conhecimento que devem ser disponibilizados para um
tutor funcionar eficazmente (VAZ e RAPOSO, 2002).
2.3.3.5. Hydrive
HYDRaulics Interactive Video Experience é um Sistema Tutor Inteligente que incorpora
multimídia para resolver problemas de sistema hidráulico de um avião F-15. Apesar de o Hydrive
utilizar um disco laser externo para suportar imagens de vídeo, o conteúdo do disco laser (seqüência
de animações e imagens) é representado na base de conhecimento utilizada pelo sistema (VAZ e
RAPOSO, 2002).
O propósito deste STI é dar instrução aos técnicos de vôo para a solução de problemas
complexos. O sistema, quando necessário, pode selecionar um conteúdo de vídeo, a partir de um
disco laser, e então apresentá-lo. As pessoas que estão sendo treinadas podem ver os componentes
da aeronave em operação. O sistema também pode apresentar instruções realísticas utilizando vídeo
dos pilotos da aeronave e mecânicos (VAZ e RAPOSO, 2002).
Na Tabela 2 é apresentado um resumo dos Sistemas Tutores estudados e outros encontrados
na literatura, considerados importantes historicamente, segundo suas características.
22
Tabela 2. Sistemas Tutores Inteligentes e suas características
Sistema Domínio Representação do Conhecimento
Estratégia do Tutor
Scholar Geografia Rede Semântica Socrático Why Tempo
(Causas da chuva) Scripts Socrático
Integrate Matemática (Integração simbólica)
Regras Ambiente reativo com orientação
Sophie Detector de falhas eletrônicas
Rede Semântica Ambiente reativo com interações guiadas
West Expressões aritméticas Regras Ambiente reativo com treinamento Buggy Subtração Rede procedimental Ambiente reativo com orientação Wusor Lógica Rede Semântica Ambiente reativo com treinamento Excheck Teoria de conjuntos e
lógica Regras Ambiente reativo com orientação
Bip Programação em Basic Regras Ambiente reativo com orientação Spade Programação em Logo Regras Ambiente reativo com treinamento Algebra Matemática Regras Ambiente reativo com treinamento LMS Matemática Regras Ambiente reativo Quadratic Matemática Regras Ambiente reativo com orientação Guidon Medicina Regras Ambiente reativo com interações
estruturais Proust Programação em
Pascal Rede Semântica Ambiente reativo com orientação
Steamer Propulsão a vapor Ambiente reativo com orientação Macavity Engenharia Regras e frames Treinamento Meno Programação Redes Orientador
Fonte: Adaptado de Costa (2002)
2.3.4. Arquiteturas de Sistemas Tutores Inteligentes
Segundo Vicari e Giraffa (2003), as arquiteturas de Sistemas Tutores Inteligentes variam de
uma implementação para outra. Uma organização básica, com alguns componentes funcionais que
podem ser observados na maioria dos casos é: modelo do aluno, estratégias de ensino, modelo do
domínio, controle do sistema e uma interface. A Figura 2 ilustra a arquitetura tradicional com suas
inter-relações.
23
Figura 2. Arquitetura clássica de um STI Fonte: Adaptado de Vicari e Giraffa (2003)
Essa proposta trouxe grandes avanços à modelagem de ambientes educacionais, pois
separou o domínio da sua forma de manipulação (no sentido de utilização), permitindo assim, que
estratégias de ensino fossem associadas em função das informações oriundas da modelagem do
aluno (VICARI e GIRAFFA, 2003).
As características de cada módulo são, segundo Vicari e Giraffa (2003):
• Módulo Domínio: constitui o material de ensino (lições, animações, filmes,
exercícios, exemplos, desafios, dicas, etc.). Contém o conhecimento sobre o domínio
que se deseja trabalhar com o estudante. Vários modelos de representação de
conhecimento podem ser usados para armazenar o conteúdo: redes semânticas,
frames, scripts, regras de produção, páginas HTML, entre outras. O embasamento
cognitivo da representação utilizada no modelo do domínio e no modelo do aluno
reflete o caráter multidisciplinar dos Sistemas Tutores Inteligentes, enquanto área de
pesquisa.
• Módulo Aluno: este modelo representa o conhecimento e as habilidades cognitivas
do aluno em um dado momento. É constituído por dados estáticos e dados
dinâmicos, que serão de fundamental importância para o tutor poder comprovar
hipóteses a respeito do conhecimento e do comportamento (ações) do aluno. A partir
desse modelo e do conteúdo representado na base do domínio, o sistema deve ser
capaz de inferir a melhor estratégia de ação a ser utilizada para cada aluno. Muitas
técnicas são utilizadas para construir o modelo do aluno: reconhecimento de padrões
aplicados ao histórico das respostas fornecidas, comparar a conduta do aluno com a
24
de um especialista, colocar as preferências do aluno, indicações dos seus desejos,
crenças e intenções.
• Módulo Tutor: nos STIs desenvolvidos até o momento, as estratégias de ensino e
aprendizagem são as mesmas. Na Inteligência Artificial, as técnicas de aprendizagem
mais utilizadas são: indução (através de exemplos ou por observação e descoberta),
dedução e abdução (raciocínio baseado em casos). As estratégias de ensino
constituem conhecimento sobre como ensinar, ou seja, sobre como gerar, a partir das
informações de diagnóstico, monitoração e análise, uma seqüência de táticas de
ensino capazes de apresentar com sucesso um determinado tópico a um determinado
estudante.
• Interface: o modelo de controle ou interface é responsável pela coordenação geral
do tutor, no que diz respeito às suas funções internas, como a troca de mensagens
entre os módulos, a manutenção das informações gerais atualizadas, a ativação e o
encerramento de uma sessão de trabalho com o aluno. Com a evolução da área, os
Sistemas Tutores Inteligentes passaram a ser construídos com base em agentes.
Dessa forma, o controle passou a ser uma questão de coordenação de agentes.
2.3.4.1. Uma Arquitetura Alternativa Para Um Ambiente Inteligente
Um ambiente de ensino inteligente possui geralmente uma arquitetura multiagente na qual
os usuários e os agentes colaboram entre si para realizar uma tarefa. Cada estudante é dotado de um
Assistente Pessoal do Aluno (APA), permanentemente presente no sistema para auxiliá-lo,
monitorar suas ações, e garantir a coordenação e a comunicação com outros agentes no sistema
(CRISTEA e TUDUCE, 2002).
25
Figura 3. Arquitetura de um ambiente de ensino inteligente Fonte: Adaptado de Cristea e Tuduce (2002)
O professor também possui um Assistente Pessoal do Tutor (APT) que possui um
comportamento semelhante, mas com objetivos diferentes. Especificamente, o APT auxilia o tutor a
tomar nota dos registros da classe, perfis e progressos dos alunos, bem como atualizar a base de
conhecimento. Tanto o professor como o aluno tem acesso direto aos recursos da disciplina. As
ações do estudante são registradas pela Ferramenta de Rastreamento do Aluno (FRA) e passadas à
Ferramenta de Extração do Perfil do Aluno (FEPA). O perfil extraído pela FEPA compreende uma
seção que registra as preferências, interesses, habilidades e necessidades especiais dos alunos.
Baseado no perfil do aluno, a Ferramenta de Tutoria Automática (FTA) sugere o melhor caminho
para o aprendizado (CRISTEA e TUDUCE, 2002).
Conforme a arquitetura apresentada, os agentes do tutor e do aluno possuem as seguintes
características, segundo Cristea a Tuduce (2002):
• Assistente Pessoal do Tutor: o APT (Figura 4) auxilia o professor a gerenciar a
base de conhecimento para extrair as experiências dos estudantes. O APT cria um
histórico de treinamento, extraindo conhecimento prático e pedagógico. O APT
26
também permite ao professor recuperar os perfis dos alunos, e também auxilia a
acessar e atualizar sua base de conhecimento, instruindo o professor no processo.
Figura 4. Arquitetura do assistente pessoal do tutor Fonte: Adaptado de Cristea e Tuduce (2002)
• Assistente Pessoal do Aluno: o APA (Figura 5) monitora as ações do estudante e
gerencia o acesso à base de conhecimento, a fim de recuperar materiais de estudo e
experiências. Baseado neste monitoramento, o assistente cria um histórico de
aprendizado e desenvolve o perfil do aluno. O histórico inclui números, datas e
modos (síncronos ou assíncronos) das sessões do aluno com o sistema, o nível de
obtenção de conhecimento, as modalidades de aprendizado e com que freqüência o
aluno pede assistência ao tutor artificial. Outros dados das sessões do aluno podem
ser registrados no histórico, se forem úteis para definir as características do
estudante.
27
Figura 5. Arquitetura do assistente pessoal do aluno Fonte: Adaptado de Cristea e Tuduce (2002)
2.3.5. Utilização de Agentes Inteligentes em STI
Os ambientes de ensino-aprendizagem inteligentes, ILEs e STI, podem ser implementados
como sistemas cooperativos multiagentes, próprios da IAD (Inteligência Artificial Distribuída). A
IAD surgiu da mudança do nível de abstração no estudo da computação distribuída. Durante vários
anos as pesquisas realizadas estavam relacionadas com a conexão física de diferentes
processadores, com a transmissão de dados e com os problemas de controle de seqüenciamento
gerenciados pelos sistemas operacionais (VICARI e GIRAFFA, 2003).
Demazeau e Müller (1990 apud VICARI e GIRAFFA, 2003) apresentam a seguinte
classificação para a área de Inteligência Artificial Distribuída:
• IAD está voltada para a solução colaborativa de problemas globais por um grupo
distribuído de entidades (que variam de elementos de processamento simples a
entidades racionais). A atividade é colaborativa, no sentido de que é necessário o
compartilhamento de informações e o grupo é distribuído no senso de que o controle
e os dados são lógica e algumas vezes geograficamente distribuídos.
28
• IADz (Inteligência Artificial Descentralizada) está voltada para as atividades de
agentes autônomos em um mundo multiagente. Agente é utilizado no sentido amplo,
para designar uma entidade inteligente, agindo racionalmente com respeito a atingir
seus próprios objetivos e o estado corrente de seu conhecimento.Os agentes podem
trabalhar em direção a um único objetivo global ou rumo a objetivos individuais
separados que podem interagir, sendo então a autonomia dos agentes relacionada
com a existência de cada agente, independentemente da existência dos demais.
Agentes inteligentes estão sendo utilizados para implementar diversos sistemas STI (VAZ e
RAPOSO, 2002), uma vez que cada componente do ambiente pode ser implementado como um
agente independente, possuindo facilidades de interação com os outros agentes. A abordagem por
agentes possibilita o desenvolvimento de diferentes raciocínios e a integração de várias ações para
alcançar um determinado objetivo (MARIETTO, 1997 apud VAZ e RAPOSO, 2002). Além disso, a
utilização de agentes inteligentes é uma boa opção para reduzir o custo destes sistemas, pois eles
favorecem a modularização e a evolução.
Segundo Fraga (2001) um Sistema Tutor Inteligente será mais eficiente à medida que tiver
uma base de modelo de aluno mais completa e estratégias de ensino mais adequadas à determinada
situação disposta no software. Conforme Hietala (1998 apud FRAGA, 2001), um STI pode fornecer
maior interatividade quando, além de modelar o aluno corretamente e propiciar as estratégias
adequadas, também estiver incluso em um contexto social, trabalhando com agentes autônomos em
cooperação com os alunos.
2.3.5.1. Agentes Inteligentes
Os Sistemas Tutores Inteligentes objetivam reproduzir no computador um comportamento
similar ao realizado por um professor. No entanto, uma das maiores preocupações dos
pesquisadores da área é a interação do STI com o aluno, considerando que um STI tradicional é
baseado em um estilo rígido de interação, significando que o sistema detém sempre o controle da
mesma. Uma das formas encontradas para amenizar este problema é a aplicação de técnicas de
Inteligência Artificial Distribuída, a qual traz sua contribuição com a utilização de agentes
inteligentes (SANTOS et. al., 2001).
Segundo Álvares (1997 apud FERREIRA e BERCHT, 2000) um agente é uma entidade real
ou virtual, imersa num ambiente sobre o qual ela é capaz de agir, que dispõe de uma capacidade de
29
percepção e de representação parcial deste ambiente, que pode se comunicar com outros agentes, e
que possui um comportamento autônomo, conseqüência de suas observações, de seu conhecimento
e da suas intenções com outros agentes.
Garcia e Sichman (2003) definem um agente como uma entidade real ou virtual, capaz de
agir num ambiente, de se comunicar com outros agentes, que é movida por um conjunto de
inclinações (sejam objetivos individuais a atingir ou uma função de satisfação a otimizar); que
possui recursos próprios; que é capaz de perceber seu ambiente (de modo limitado); que dispõe
(eventualmente) de uma representação parcial deste ambiente; que possui competência e oferece
serviços; que pode eventualmente se reproduzir e cujo comportamento tende a atingir seus objetivos
utilizando as competências e os recursos que dispõe e levando em conta os resultados de suas
funções de percepção e comunicação, bem como suas representações internas.
Do ponto de vista prático (VICARI e GIRAFFA, 2003), os agentes podem ser vistos como:
• Robôs atuando em um ambiente, interagindo entre ou com os humanos em língua
natural e fazendo uso de sensores para captar informações do meio ambiente, como,
por exemplo, controle de motor e restrições de tempo;
• Um sistema interagindo com outros sistemas ou com o ser humano.
A abordagem de agentes em STIs possibilita interações mais naturais e mais próximas entre
alunos e o sistema tutor, onde a iniciativa da interação é normalmente compartilhada entre o sistema
e o aluno. Tais interações são um contraste preciso com os documentos estáticos, que geralmente
são encontrados em materiais de cursos baseados na Internet (SANTOS et. al., 2001).
Um agente raciocina sobre o ambiente, sobre os outros agentes e decide racionalmente quais
objetivos deve perseguir e quais ações deve tomar. Como não existe um consenso quanto à
definição de agente, eles podem ser caracterizados através de capacidades ou funcionalidades que
possuam. Também não existe uma classificação universal para os agentes, entretanto a maioria
aceita a autonomia como característica principal que distingue um software tradicional de um
agente. Autonomia é identificada pela capacidade de um software em exercer controle sobre suas
próprias ações (FERREIRA e BERCHT, 2000). Vicari e Giraffa (2003) afirmam que a autonomia
está intimamente relacionada com o tipo de arquitetura do sistema, assim, podem-se ter agentes com
diferentes graus de autonomia.
30
Segundo Shoham (1993 apud VICARI e GIRAFFA, 2003), o agente também pode ser uma
entidade à qual se atribuem estados, denominados estados mentais. Os estados mentais usuais são:
crenças, decisões, capacidades, objetivos, intenções, compromissos e expectativas, conceitos
análogos ou similares aos dos humanos.
2.3.5.2. Propriedades dos Agentes Inteligentes
Conforme citado anteriormente, não há uma definição universalmente aceita de agente.
Contudo, existem algumas propriedades que efetivam a caracterização de um agente (GARCIA e
SICHMAN, 2003):
• Autonomia de decisão: capacidade de analisar uma situação, gerar alternativas de
atuação e escolher a situação que melhor atende seus objetivos. Em certos casos, o
agente não conhece o cenário de atuação, mas tem capacidade de escolher uma
experiência prévia semelhante e adaptar a solução ao novo cenário;
• Competência para decidir: capacidade de configurar sua atuação sem intervenção
externa;
• Existência de uma agenda própria: capacidade de criar uma agenda (lista) de
objetivos que concretizem suas metas;
• Reatividade: capacidade de reagir às mudanças do ambiente a partir do
reconhecimento de um contexto conhecido;
• Adaptabilidade: capacidade do agente de adaptar seu processo de decisão frente a
situações desconhecidas;
• Personalidade: capacidade do agente de personificar-se, utilizando recursos que
lembrem características humanas como a emoção ou o mau humor;
• Interatividade com o usuário: capacidade de interagir com usuários e,
considerando os possíveis mal-entendidos, reagir às falhas de comunicação de
maneira aceitável;
• Ambiente de atuação: caracteriza o local onde o agente vai atuar, isto é, em
ambientes fechados (desktop) ou abertos (Internet).
31
2.3.5.3. Taxonomia de Agentes
Segundo Ahmed (200?), a tecnologia de agentes combina Inteligência Artificial (raciocínio,
planejamento, processamento de linguagem natural, etc.) e técnicas de desenvolvimento de sistemas
(programação orientada a objetos, linguagens de scripts, interface homem-computador, computação
distribuída, etc.). A figura 6 mostra a taxonomia proposta por Franklin e Graesser (1996 apud
AHMED, 200?).
Figura 6. Taxonomia natural de agentes Fonte: Adaptado de Franklin e Graesser (1996 apud AHMED, 200?)
2.3.5.4. Agentes Pedagógicos
Ferreira e Bercht (2000) afirmam que uma aplicação interessante para o uso de agentes é a
educação e o treinamento. Os agentes autônomos projetados e desenvolvidos para dar apoio ao
aprendizado humano, interagindo com educadores e educandos, de tal forma a facilitar o seu
aprendizado, são chamados agentes pedagógicos.
Segundo Santos et. al. (2001), os agentes são denominados pedagógicos quando estão
inseridos em um ambiente que compõe um sistema de ensino-aprendizagem. São entidades cujo
propósito fundamental é a comunicação com o aluno, a fim de realizar eficientemente a função de
tutor, como parte da missão pedagógica do sistema. O termo agente pedagógico surgiu, segundo
Giraffa (1999 apud SANTOS et. al., 2001), devido a muitos sistemas desenvolvidos para fins
educacionais adotarem um paradigma de agentes.
Dowling (2000) afirma que agentes pedagógicos são agentes autônomos que apóiam o
aprendizado humano, interagindo com os estudantes no contexto de ambientes de aprendizado
interativos. Eles ampliam e melhoram o trabalho sobre Sistemas Tutores Inteligentes de várias
formas. São capazes de adaptar seu comportamento de acordo com o estado dinâmico do ambiente,
32
tendo a vantagem de buscar as oportunidades de aprendizado assim que elas surgem. Podem apoiar
tanto o aprendizado colaborativo quanto o individualizado, pois múltiplos estudantes e agentes
podem interagir num ambiente compartilhado.
Os agentes pedagógicos atuam como monitores, que observam as ações dos alunos e os
ajudam durante o seu aprendizado. Além disso, eles trocam informações com o aluno, a fim de
adaptar a apresentação do conteúdo conforme o modelo ideal do aluno, supervisionando o ambiente
de aprendizado (SANTOS et. al., 2001).
No entanto, Ferreira e Bercht (2000) ressaltam que para um agente pedagógico ser útil, ele
precisa ter conhecimento e “aprender” novas situações, originadas pelas diversas interações que
acontecem entre os participantes do ambiente (educadores, educandos, outros agentes, etc.) no qual
atua, ou seja, além de um conhecimento, o agente precisa aprender.
O tutor de um STI deve fornecer feedback às ações dos alunos. Segundo Fraga (2001) o
agente pedagógico pode fornecer feedback não verbal ou feedback verbal para influenciar o aluno.
O feedback não verbal ocorre através de expressões faciais, gestos (linguagem corporal), enquanto
que o feedback verbal se dá através de mensagens. A habilidade de utilizar o feedback não verbal ao
invés de comentários verbais permite ao agente fornecer alto grau de feedback ao aluno,
proporcionando um menor grau de distração. O feedback verbal e não verbal é uma característica de
agentes pedagógicos animados (agentes representados por um personagem graficamente animado,
como por exemplo, com feições humanas).
Segundo Santos et. al. (2001) os agentes pedagógicos apresentam algumas propriedades
fundamentais de agentes inteligentes, como autonomia, capacidade social (interações e
comunicação) e adaptabilidade ao ambiente. Além destas propriedades, os agentes pedagógicos são
capazes de aprender e, na maioria dos casos, podem ser representados por um personagem.
Ferreira e Bercht (2000) apresentam a uma forma de funcionamento do agente pedagógico,
onde há duas etapas:
• Aprendizagem do agente: nesta fase o agente deve criar esquemas de assimilação.
O agente aprenderá, através da criação de esquemas, os procedimentos que vai
utilizar na fase seguinte, quando então apoiará a avaliação de desempenho do
educando ou treinando.
33
• Avaliação da competência técnica do estudante/treinando: o agente pedagógico,
uma vez treinado a realizar um procedimento, através da sua capacidade de
aprendizado neural, estará apto a comparar seus esquemas de ação (criadas na sua
fase de aprendizado) com as ações realizadas pelo estudante. No processo de
avaliação, o agente verificará se existem esquemas que geram ações similares
àquelas entradas sensoriais (os observáveis). Pode-se então afirmar que, se o agente
não possuir esquemas que gerem ações similares ao que foi observado nas ações do
estudante, este não executou o procedimento corretamente.
O objetivo central destes agentes pedagógicos é contribuir para uma aprendizagem efetiva
do aluno, gerando um ganho de qualidade, sob o ponto de vista pedagógico, para o ambiente onde
estão inseridos. Para isto, estes agentes podem (SANTOS et. al., 2001):
• Guiar o aluno durante a interação com o sistema;
• Monitorar as atividades do aluno, fornecendo auxílio em situações críticas;
• Registrar informações necessárias à modelagem do perfil do aluno;
• Selecionar estratégias de ensino adequadas, com base no perfil do aluno;
• Motivar o aluno a aprender;
• Prover interatividade ao sistema, oferecendo aos alunos a idéia de ter um amigo tutor
que lhes fornecerá ajuda.
2.3.5.4.1. Arquitetura de um Agente Pedagógico
Considerando as características que o agente pedagógico possui, Santos et. al. (2001)
apresenta uma arquitetura com os seguintes módulos (ilustrada na Figura 7):
34
Figura 7. Arquitetura de um agente pedagógico Fonte: Adaptado de Santos et. al. (2001)
• Módulo Perceptivo: este módulo é o responsável pela extração e armazenamento
das informações referentes à interação do aluno com o sistema. É através dele que é
realizada a tarefa de monitoração das ações do aluno. Este módulo verifica o tempo
de permanência no sistema, as dificuldades encontradas, dúvidas e preferência do
aluno;
• Módulo Cognitivo: é o responsável por realizar as inferências sobre a base de
conhecimento, determinando quais as ações que devem ser executadas pelo agente, a
partir de suas percepções. É através deste módulo que é feita a escolha das
mensagens que serão emitidas pelo agente na sua interação com o aluno, bem como
determinados os recursos áudios-visuais a serem utilizados em concordância com o
estado emocional corrente do agente;
• Módulo Reativo: é o módulo responsável por executar as ações indicadas pelo
módulo cognitivo. Ainda estabelece a interface animada com o aluno. É através deste
módulo que são efetivamente apresentadas as mensagens e animações do agente aos
alunos;
• Base de Conhecimento: à base de conhecimento interna do agente é formada por:
recursos áudios-visuais, informações referentes às aulas, informações das páginas
visitadas, conteúdos, respostas do aluno, mensagens, dúvidas e preferências dos
alunos.
Segundo Ahmed (200?) os agentes pedagógicos são um tipo de agente autônomo que
incorpora múltiplas características de agentes de tarefas específicas e entretenimento. Os agentes
pedagógicos podem ser divididos em duas categorias: dirigido por metas (tutor, mentor, assistente)
35
e dirigido por utilidade. A Tabela 3 ilustra as características dos agentes pedagógicos dirigidos por
metas.
Tabela 3. Características de um agente pedagógico dirigido por metas
Tutor Mentor Assistente Conhecimento sobre o ambiente Forte Forte Médio Especialista no domínio Forte Forte Forte Modelo do estudante Forte Médio Fraco/nulo Aspectos pedagógicos Forte Médio Fraco/nulo
Fonte: Adaptado de Ahmed (200?)
Os agentes dirigidos por utilidade são utilizados para propósitos pedagógicos como ajudar
os estudantes a encontrar materiais de aprendizado, agendar encontros em grupo, lembrar de prazos
limite para inscrições em tarefas, etc. (AHMED, 200?).
2.3.5.4.2. Propriedades de um Agente Pedagógico
Normalmente os agentes pedagógicos aparecem para os estudantes como personagens de
desenho animado, em 2D ou 3D. As pesquisas demonstram que um agente pedagógico deve possuir
algumas propriedades básicas, ilustradas na Tabela 4 (AHMED, 200?).
Tabela 4. Propriedades de um agente pedagógico
Propriedade Descrição Autônomo O agente deve ser capaz de efetuar a maioria das tarefas de resolução de
problemas sem interferir diretamente o usuário ou outro agente. Tem que ter certo grau de controle sobre suas ações e seu estado interno.
Reatividade O agente deve ser reativo a partir do momento em que ele é capaz de sentir mudanças no ambiente e responder a elas durante um período de tempo.
Guiado por metas
Deve ter pro atividade. Deve exibir um comportamento dirigido por metas, tomando a iniciativa.
Comunicativo Deve responder aos alunos com uma combinação de gestos verbais e não-verbais como olhar fixo, apontar, postura corporal e movimentos com a cabeça. Podem transmitir emoções como surpresa, aprovação ou desapontamento.
Efeito “Pessoa”
Devem dar ao aluno a impressão de serem naturais e verídicos. Eles devem ser capazes de interagir com o aluno através de bases contínuas (dinâmicas).
Afetivo Eles devem expressar as emoções em movimentos faciais, gestos e linguagem corporal. A expressão emocional tem influência no processo cognitivo do aprendizado.
Subserviência Ato de agir em benefício a alguém, normalmente ao tutor. Adaptativo Agir de acordo com o estado cognitivo do aluno. Habilidade social
Capaz de comunicar com os usuários e outros agentes através de alguma linguagem de comunicação de agentes para satisfazer os objetivos.
Fonte: Adaptado de Ahmed (200?)
36
Além das propriedades mencionadas acima, segundo Ahmed (200?) os agentes pedagógicos
podem ser móveis, capazes de se mover de um lugar físico para outro. Também podem aprender do
ambiente por observação.
2.3.5.4.3. Exemplos de Agentes Pedagógicos
Nesta seção são descritos vários exemplos de agentes pedagógicos implementados e
encontrados na literatura (AHMED, 200?).
• Herman-the-Bug: é um agente natural cujas ações verbais e naturais são controladas
por uma máquina de seqüência de comportamento em tempo real em resposta as
mudanças de contexto de resolução de problemas. Ele realiza uma ampla faixa de
atividades incluindo andar, voar, nadar, pescar, saltar de bungee, encolher, esticar,
tele transportar e acrobacias. Ele habita um ambiente de aprendizagem Designs A
Plant, que se refere ao domínio de fisiologia vegetal.
• Cosmo: é um personagem em três dimensões que faz o papel de um conselheiro
virtual, um ambiente de aprendizado para o domínio de roteamento de pacotes na
Internet. Foi projetado para estudar a habilidade dos agentes de combinar
dinamicamente gestos, locomoção e discurso para se referir a objetos no ambiente
enquanto proferem conselhos para resolução de problemas.
• Adele: é projetado para operar na Internet. A arquitetura do agente Adele
implementa funções pedagógicas chave: apresentação, feedback e monitoramento do
estudante, questões, dicas e explicações.
• Steve: é um personagem tridimensional que co-habita com estudantes em ambientes
virtuais imersivos e tem sido aplicado em tarefas de treinamento naval americano,
tais como operar as máquinas a bordo dos navios.
• SmartEgg: é desenvolvido sobre a mesma arquitetura que o Adele e habita um
SQLT-Web, um tutor SQL inteligente na Web.
• PPP Persona: é um agente pedagógico animado para apresentação interativa na
Web. O agente guia os alunos através de materiais na Web exibindo, apontando,
explicando e comentando verbalmente saídas textuais e gráficas numa interface
baseada em janelas.
37
• Alex: o Alex está incorporado no VLab@SP que é um ambiente de laboratório
virtual para experimentos elétricos. Possui duas funções principais: explicar passo a
passo como fazer certos experimentos e reportar qualquer erro trivial no circuito.
• Guilly: o agente Guilly habita o ambiente AVEI e promove o aprendizado adaptado
através de estratégias de ensino baseadas no modelo do aluno e trabalha como um
tutor no processo de ensino-aprendizagem.
• Smiley: é um agente pedagógico emocional que oferece treinamento com os seis
maiores estados emocionais: tristeza, surpresa, raiva, felicidade, satisfação e estado
neutro.
• Doris: o agente pedagógico Doris foi construído para atuar em um STI com domínio
genérico. Desta forma, o agente não possui conhecimento específico sobre o domínio
que será abordado. Doris é representado por um personagem com comportamento
cognitivo e reativo, e trabalha com três estado emocionais: tristeza, felicidade e
companheirismo (SANTOS et. al., 2001).
2.4. INTELIGÊNCIAS MÚLTIPLAS
Para conceber um sistema tutor, como o de ensino de Histologia Bucal, é necessário
identificar as inteligências múltiplas do ser humano, ou seja, as diferentes formas de pensar sobre as
coisas. É necessário criar uma gama de atividades para trabalhar as diferentes inteligências. Existem
basicamente nove tipos de inteligência no ser humano (TRAVASSOS, 2001):
• Lingüística: é a habilidade para usar a linguagem para convencer, agradar, estimular
ou transmitir idéias. É o tipo de capacidade exibida em sua forma mais completa
talvez pelos poetas;
• Lógico-matemática: é a habilidade para explorar relações, categorias e padrões,
através da manipulação de objetos ou símbolos, e para experimentar de forma
controlada; é a habilidade para lidar com séries de raciocínios, para reconhecer
problemas e resolvê-los. É a inteligência característica de matemáticos e cientistas;
• Visual/espacial: é a capacidade de formar um modelo mental de um mundo espacial
e ser capaz de manobrar e operar utilizando esse modelo. Exemplo: os marinheiros,
engenheiros, cirurgiões, pintores, escultores;
38
• Musical: é a capacidade voltada para a música. Esta inteligência se manifesta através
de uma habilidade para apreciar, compor ou reproduzir uma peça musical. Exemplo:
Leonardo Bernstein, Mozart.
• Corporal cinestésica: capacidade de resolver problemas ou de elaborar produtos
utilizando o corpo inteiro, ou partes do corpo. Exemplo: dançarinos, atletas,
cirurgiões e artistas.
• Interpessoal: capacidade de compreender outras pessoas: o que as motiva, como
elas trabalham, como trabalhar cooperativamente com elas. Exemplo: vendedores,
políticos, professores, clínicos (terapeutas) e líderes religiosos bem-sucedidos.
• Intrapessoal: é uma capacidade correlativa voltada para dentro. É a capacidade de
formar um modelo acurado e verídico de si mesmo e de utilizar esse modelo para
operar efetivamente na vida.
• Naturalista: Vivências significativas, junto ao meio ambiente, podem possibilitar ao
homem o reconhecimento dos objetos da natureza, a distinção dos elementos
vegetais, animais, minerais e, simbolicamente, reconhecer-se como dotado de um
corpo, com espaço ecológico integrante, integrado e integrador homem-natureza e
natureza-humana (GÁSPARI e SCHWARTS, 2002).
• Existencialista: A partir da reflexão sobre sua finitude, transitoriedade, condição de
transcendência, questões inerentes à sua própria existência, o ser humano amplia as
possibilidades de elevar-se além da realidade cotidiana, de extrapolar os limites
sociais, aos quais precisa resistir (GÁSPARI e SCHWARTS, 2002).
Todos os seres humanos possuem todas as inteligências. No entanto, algumas se sobressaem
em relação às outras. No sistema para ensino de Histologia Bucal, analisou-se a possibilidade de
exercitar três dessas inteligências: lingüística, lógico-matemática e visual/espacial. O processo de
identificação dessas inteligências no sistema é descrito no Capítulo 3.
2.5. TÉCNICAS PARA TOMADA DE DECISÃO
Nesta seção serão apresentadas duas técnicas de Inteligência Artificial para tomada de
decisão de agentes: Sistemas Especialistas e Raciocínio Baseado em Casos. É apresentada
brevemente uma descrição das duas técnicas e ao final uma consideração sobre a técnica escolhida,
39
que será utilizada para a tomada de decisão do agente pedagógico (as características do agente são
descritas no Capítulo 3).
2.5.1. Sistemas Especialistas
Os Sistemas Especialistas (SE) podem ser caracterizados como sistemas que reproduzem o
conhecimento de um especialista adquirido ao longo dos anos de trabalho (KANDEL, 1992 apud
FERNANDES, 2003). Um sistema especialista deve ser construído com o auxílio de um
especialista humano, o qual fornecerá a base de informações, através de seu conhecimento e
experiência adquiridos ao longo dos anos (FERNANDES, 2003).
Ao contrário dos sistemas tradicionais, os sistemas especialistas têm algumas facilidades que
aumentam a sua flexibilidade e eficiência, tais como: possibilidade para construção de regras,
tomada lógica de decisões sob imprecisão ou na ausência de informações. Os principais benefícios
da utilização de um sistema especialista são: velocidade na determinação de problemas; a decisão
está fundamentada em uma base de conhecimento; segurança; exige pequeno número de pessoas
para interagir com o sistema; estabilidade; dependência decrescente de pessoal específico;
flexibilidade; integração de ferramentas; evita interpretação humana de regras operacionais
(FERNANDES, 2003).
Flores (2003) afirma que no mundo real quase todo especialista humano toma decisões
baseado em dados que são, de certa forma, incompletos, não-confiáveis, ambíguos e dinâmicos. É
para estes tipos de situações que os Sistemas Especialistas são aplicáveis.
Contudo, segundo Flores (2003), por melhor que seja a maneira como um mecanismo de
inferência lida com a incerteza em sua base de conhecimentos, esses sistemas ainda são
fundamentalmente dedutivos e, desse modo, deixam muito a desejar quando se trata de raciocinar
de formas não-dedutivas. Por essa razão, o domínio de conhecimento ideal a ser modelado deve
envolver pouca ou nenhuma porção de intuição e bom senso.
Apesar de os sistemas especialistas serem cada vez mais utilizados em organizações,
auxiliando à tomada de decisão, a aquisição do conhecimento passa desapercebida na maioria das
vezes, pelas pessoas que lidam com tais sistemas. Aquisição do conhecimento é tida como o gargalo
do processo da construção de um sistema especialista (ROOK e CROGHAN, 1989 apud
FERNANDES, 2003).
40
2.5.2. Raciocínio Baseado em Casos
Segundo Fernandes (2003) Raciocínio Baseado em Casos (RBC) é uma ferramenta de
raciocínio da Inteligência Artificial. A filosofia básica desta técnica é a de buscar a solução para
uma situação atual através da comparação com uma experiência passada semelhante. O processo
característico do RBC consiste em: identificar o problema atual, buscar a experiência mais
semelhante na memória e aplicar o conhecimento desta experiência passada no problema atual.
Este procedimento pode ser detalhado em alguns passos (FERNANDES, 2003):
• Identificação de um problema a ser resolvido (problema de entrada);
• Definição das principais características que identificam este problema;
• Busca e recuperação na memória de casos com características semelhantes;
• Seleção de um ou mais dentre os casos recuperados;
• Revisão deste(s) caso(s) para determinar a necessidade de adaptação;
• Reutilização do caso adaptado para resolver o problema de entrada;
• Avaliação da solução do problema de entrada;
• Inclusão do caso adaptado na memória de casos (aprendizagem).
Segundo Lindermann (2003) RBC não apresenta alguns dos problemas apresentados pelos
sistemas especialistas, dentre os quais se destacam:
• A extração do conhecimento limita-se a obter, reunir e analisar casos (experiências
ocorridas);
• A implementação torna-se mais fácil, pois identificar características significantes dos
casos é mais fácil do que criar regras ou explicitar modelos;
• Grandes volumes de dados podem ser administrados com a aplicação de técnicas de
banco de dados;
• O sistema pode aprender com a aquisição de novos conhecimentos.
41
2.6. AMBIENTES PARA ENSINO DE HISTOLOGIA
O processo de ensino-aprendizagem de Histologia, em geral, tem sido um desafio para
alunos e professores, devido a grande variedade de tecidos existentes. Devido a grande importância
para a área da saúde e a dificuldade encontrada por alunos e professores para facilitar o processo de
ensino-aprendizagem de Histologia, tem-se procurado utilizar os recursos computacionais para
tornar este processo mais eficiente. Contudo a maioria dos sistemas existentes constitui apenas
páginas estáticas com figuras de lâminas histológicas e descrição de conteúdos, dentre os quais se
destacam:
• Curso On-line de Histologia do Periodonto: Este curso foi criado pelo professor Max
A. Listgarten, e traduzido pela Faculdade de Odontologia de São José dos Campos –
UNESP (FOSJC, 2005). É destinado a servir como introdução às estruturas
biológicas do periodonto, ou como meio de revisar este assunto. Este curso adiciona
ilustrações para suplementar e esclarecer conteúdos dos livros textos. Para facilitar o
uso deste curso ele é organizado como um livro, com páginas que podem ser
adiantadas ou retornadas com click em um botão.
• Loyola University Medical Center Education Network – LUMEN: O projeto
LUMEN foi elaborado para suportar a rede de ensino de medicina da Loyola
University na web. Suas metas segundo os autores são: melhorar a integração entre
os conteúdos curriculares das disciplinas básicas e clínicas; facilitar o acesso a
grande quantidade de informações disponíveis na web sobre os conteúdos em estudo;
encorajar os alunos a estudarem de acordo com as suas próprias características;
preparar os alunos para avanços tecnológicos futuros; encorajar outros setores a
desenvolverem ambientes instrucionais assistidos por computador (LUMEN, 2005).
Ao entrar no site do LUMEN, o aluno escolhe qual a área que deseja estudar, no caso
Histologia, e o sistema apresenta um sumário com os tópicos referentes a este
conteúdo. Ao verificar o sumário o aluno seleciona qual tópico é de seu interesse e o
sistema lhe apresenta uma tela de acesso a slides onde estão listados os slides com
uma breve descrição e uma foto de uma lâmina referente a este conteúdo. O sistema
também contabiliza os acessos aos conteúdos e possui um local para verificação das
estatísticas destes acessos. Este ambiente foi desenvolvido utilizando tecnologias das
empresas CISCO e SUN.
42
• The JayDoc HistoWeb: O JayDoc HistoWeb é um Atlas de Histologia que
corresponde aos exercícios de laboratório do curso de Tecido Biológico e Células da
Escola de Medicina da Universidade de Kansas (EUA). O sistema fornece
explanações sucintas sobre os tecidos para guiar o aluno do primeiro ano de
medicina no uso do seu microscópio. Subseqüentemente, serve como um recurso
permanente de Histologia para todos os estudantes da área da saúde e médicos (Wolf
e Scarbrough, 2005). O sistema apresenta um sumário com o conteúdo abordado. O
aluno seleciona o assunto que lhe interessa e o sistema apresenta uma descrição do
conteúdo e uma lista de slides relacionados a este conteúdo. Ao selecionar um slide,
abre-se uma página com a lâmina correspondente. Os slides foram organizados em
grupos que são referentes aos exercícios dados nas aulas de laboratório. A fim de
apresentar o material do ponto de vista do aluno, a equipe de desenvolvimento
esforçou-se para manter a perspectiva do aluno na descrição do conteúdo.
• The Digital Anatomist Information System: O sistema de informações digitais de
anatomia disponibiliza uma rede de informações sobre todos os conteúdos
relacionados à anatomia (dentro dele tem-se alguns conteúdos de Histologia). O
desenvolvimento do sistema é guiado pelas necessidades dos estudantes de anatomia,
mas o sistema chegou atualmente em um estado que ele é utilizado por médicos
também (SIG, 2005). Um usuário do sistema é capaz de buscar na base questões
específicas de anatomia, recuperar dinamicamente imagens geradas em 3D que
ilustram as respostas das perguntas, e usar a informação recuperada como base para
buscas em bases relacionadas ao assunto e repositórios de imagens disponíveis na
Internet.
Observando os sistemas avaliados, conclui-se que eles são similares, não dotados de
inteligência computacional. O estudante apenas consulta a informação, não havendo um feedback
(com exceção do Digital Anatomist Information System), e tampouco existe adaptação ao perfil do
aluno. Não foram encontrados sistemas tutores para o ensino de Histologia Bucal, o que motiva o
desenvolvimento deste trabalho. Os principais aspectos de cada sistema são destacados na Tabela 5.
43
Tabela 5. Vantagens e Desvantagens dos Ambientes de Ensino de Histologia
Sistema Avaliado Vantagens Desvantagens Histologia do Periodonto Lâminas histológicas
detalhadas, glossário com os termos utilizados, conteúdo organizado em páginas (como num livro).
Não há avaliação do aluno, não existe adaptação do conteúdo ao perfil do aluno.
LUMEN Lâminas histológicas de alta definição, organização do conteúdo em slides.
O aluno apenas confere as respostas dos exercícios, não há realização de exercícios on-line.
JayDoc HistoWeb Lâminas histológicas com detalhes, organização do conteúdo em slides.
Apenas exposição do conteúdo, sem avaliação do aluno ou adaptação do conteúdo ao perfil do aluno.
Digital Anatomist Information System
Lâminas histológicas de alta definição, imagens em 3D, vídeos ilustrativos, quebra-cabeças em Java e avaliação do aluno por meio de um quiz.
Os vídeos e exercícios em Java requerem uma conexão de banda larga. Os exercícios são apenas ilustrativos, não há armazenamento das informações das avaliações.
2.7. CONSIDERAÇÕES
Neste capítulo foram apresentadas três arquiteturas distintas para a modelagem do sistema
proposto. A arquitetura clássica de Sistemas Tutores Inteligentes (Figura 2), a arquitetura para
sistemas inteligentes na Web (Figura 3) e a arquitetura de um agente pedagógico (Figura 7).
Optou-se por utilizar a arquitetura de um agente pedagógico, proposta por Santos et. al.
(2001), objetivando que o sistema tenha maior qualidade sob o ponto de vista pedagógico e possa
gerar motivação pelo aprendizado. Este agente pedagógico estará inserido no modelo do aluno. Para
o modelo do tutor optou-se por modelar um agente assistente e não-animado, como o agente do
aluno, porém adaptado a auxiliar o professor nas realizações de suas tarefas.
[FIM DE SEÇÃO. Não remova esta quebra de seção]
3. DESENVOLVIMENTO
Este capítulo apresenta o desenvolvimento do Sistema Inteligente para Ensino de Histologia
Bucal. Inicialmente são apresentados os requisitos funcionais e não-funcionais que foram
levantados para o sistema. Posteriormente é apresentada a arquitetura do sistema. Em seguida é
descrita toda a modelagem do sistema, utilizando a UML (Unified Modeling Language),
descrevendo os casos de uso e as classes. Por último é apresentado o funcionamento do sistema,
desde as características e comportamento dos agentes até a utilização das Inteligências Múltiplas.
3.1. ANÁLISE DE REQUISITOS
Através de uma observação crítica sobre os sistemas de ensino de Histologia existentes, foi
possível destacar as suas excelências e também suas limitações. A partir dessa observação e das
solicitações de uma professora da disciplina de Histologia Bucal, definiu-se os requisitos para o
Sistema Tutor Inteligente desenvolvido. Esses requisitos são divididos em duas categorias:
requisitos funcionais e não-funcionais e serão descritos neste capítulo.
3.1.1. Requisitos Funcionais
Os requisitos funcionais compreendem as funcionalidades que os usuários querem ou
precisam que o sistema ofereça. Como requisitos funcionais para o Sistema de Ensino de Histologia
Bucal foram considerados os seguintes como essenciais:
• Cadastro de alunos: O cadastro de alunos é fundamental para o sistema, servindo
para manter o controle de acesso ao sistema, que deve ser restrito. Outra função é
permitir a persistência das informações relevantes sobre o aluno, como o seu perfil.
O cadastro sempre deve ser moderado pelo professor. O aluno preenche o formulário
de cadastro, e é gerada uma solicitação automática ao professor, que detém a função
de aprovar ou rejeitar o cadastro do aluno para a sua turma. A necessidade de
aprovação do cadastro serve para evitar que alunos sem permissão ou não
convidados tenham acesso a uma turma.
• Cadastro de professores: O cadastro de professores também é essencial para o
controle de acesso e persistência de algumas informações, uma vez que é o professor
o responsável por gerenciar as informações sobre uma turma e seus alunos. Entre os
45
professores cadastrados só pode haver um com privilégios de administrador. Esse
administrador detém a função de aprovar ou rejeitar o cadastro de outros professores.
O administrador é um usuário fixo, que não pode ser excluído.
• Controle de acesso: O acesso a qualquer funcionalidade do sistema deve ser restrito
a alunos e professores com o cadastro aprovado. Cada usuário deve possuir um login
e senha, ambos pessoais e intransferíveis. Foi determinado que o login é o próprio
e-mail do usuário, uma vez que o e-mail normalmente é único, afinal é pouco
provável que duas pessoas tenham o mesmo endereço eletrônico.
• Módulo de estudo: O sistema deve contar com um módulo de estudo para os alunos.
Neste módulo, o professor cadastra os materiais (arquivos), para posterior consulta
dos alunos. Esses materiais podem ser documentos, apresentações, vídeos, imagens
(lâminas histológicas), links, entre outros. Em cada material o professor pode fazer
observações. Os acessos dos alunos aos materiais devem ser monitorados, para ter
registro sobre aqueles que o aluno já acessou.
• Módulo de avaliação (atividades): O módulo de avaliação compreende questões
acerca dos temas da disciplina, para avaliar o conhecimento do aluno. Os tipos de
questões foram limitados à múltipla escolha, somatória, verdadeiro ou falso, questões
subjetivas (descritivas) e análise de lâminas. Neste último tipo de questão, o
professor cadastra uma imagem e define quais as estruturas de uma célula que o
aluno deve identificar. O aluno identifica as estruturas, utilizando um editor de
imagem de sua preferência, e devolve a imagem para o professor corrigir. As
questões subjetivas também necessitam ser corrigidas pelo professor. As demais são
avaliadas automaticamente pelo sistema.
• Ementa da disciplina: Compreende o cadastro das unidades da disciplina. O
professor cadastra os tópicos da disciplina de Histologia Bucal, e pode estabelecer
uma ordem para eles. Cada material de estudo e cada questão estarão sempre
associados a um tópico da disciplina. Isso possibilita ao agente buscar os materiais
de estudo apropriados para a unidade que o aluno está estudando.
• Assistente pessoal do aluno: Compreende um agente inteligente que deve monitorar
as ações do aluno. Ele irá auxiliar o estudante no aprendizado, como por exemplo,
46
apontando os erros nas avaliações, ou sugerindo um material para leitura, de acordo
com o assunto que aluno estiver estudando. Também deve auxiliar a desenvolver o
perfil individual do aluno, que é um histórico com as características individuais do
estudante, segundo as suas preferências de aprendizado (inteligências múltiplas).
Esse agente deve ser animado, tomando forma de um personagem, e também
necessita expressar emoções de acordo com o estado do aprendizado do aluno.
• Assistente pessoal do professor: O assistente do professor deve ser um agente
inteligente para auxiliar o professor a gerenciar a base de conhecimento, as
atividades e os alunos. O agente do professor também pode possibilitar o auxílio a
determinado aluno com dificuldades, trazendo ao professor quais são os tópicos e
questões que o aluno tem mais dificuldades ou onde os alunos cometem mais erros.
3.1.2. Requisitos Não-Funcionais
Os requisitos não-funcionais compreendem propriedades do sistema, como
manutenibilidade, usabilidade, desempenho, custos e várias outras. Como requisitos não-funcionais
para o sistema definiram-se os seguintes:
• O sistema deve ser implementado seguindo o Modelo Orientado a Objetos;
• No computador do usuário, o sistema deve permitir o acesso a partir de qualquer
navegador que suporte as tecnologias HTML 4.0, JavaScript 1.5 e CSS 2;
• No computador servidor da aplicação, o sistema deve operar sobre a linguagem
PHP 5 para realizar todas as operações;
• O sistema deve funcionar sobre uma base de dados PostgreSQL, que é gratuita;
• O tempo de resposta do sistema não deve ultrapassar 30 segundos.
3.2. ARQUITETURA DO SISTEMA
A arquitetura do sistema inteligente para Histologia Bucal constitui uma adaptação da
arquitetura proposta por Cristea e Tuduce (2002), conforme ilustrado na Figura 8. De um lado está o
professor, ou tutor, interagindo com o sistema através de um navegador (browser). O Agente
Pessoal do Tutor (APT) atua como um assistente, agindo paralelamente as ações do professor no
47
sistema, e interagindo com ele através de mensagens na tela do navegador. O agente sempre busca
as informações da base de dados, para saber qual ação deve tomar. Do outro lado do ambiente está o
aluno, que também interage através de um navegador e, de forma semelhante, também possui um
agente agindo com ele através de mensagens. O agente do aluno busca as informações necessárias
no perfil do aluno, que é uma base de conhecimento que persiste informações relevantes sobre o
aluno, como suas preferências.
Figura 8. Arquitetura do sistema inteligente para ensino de Histologia Bucal
3.3. MODELAGEM DO SISTEMA
O desenvolvimento do Sistema Inteligente para Ensino de Histologia Bucal seguiu as
metodologias do paradigma de Orientação a Objetos. Para a modelagem, utilizou-se a linguagem
UML, e optou-se por diagramar apenas os modelos de casos de uso e classes. Neste capítulo são
apresentados os principais casos de uso e classes de negócio, que envolvem aluno e professor e os
seus respectivos agentes. As funcionalidades de administração do sistema e as classes de banco de
dados estão em anexo, e não serão descritas neste capítulo.
48
3.3.1. Casos de Uso do Professor
As necessidades do professor sobre o sistema, conforme ilustrado na Figura 9, constituem
basicamente a alimentação do sistema com materiais, imagens e questões. Todos os casos de uso
definidos dependem do professor efetuar o login no sistema, com a exceção do caso de uso do
cadastro. Os casos de uso são descritos a seguir.
Figura 9. Casos de uso do professor
49
• Efetuar Login: É o ato de o professor preencher o formulário de acesso, com o seu
e-mail e senha, e as informações estando corretas o sistema então direciona o
professor para a sua página;
• Gerenciar Materiais: Compreende as ações de incluir, alterar ou excluir um
material de estudo (arquivos em meio digital como textos, conceitos, imagens,
vídeos, etc.). Basicamente o professor envia um arquivo, e preenche algumas
informações relevantes para descrever o material;
• Gerenciar Questões: Ações de incluir, alterar ou excluir uma questão. O professor
irá cadastrar várias questões, de vários tipos, para dar variedade à base de
conhecimento. O agente pedagógico ficará encarregado de escolher a questão para o
aluno resolver, baseado no perfil do aluno;
• Gerenciar Links: Ações de incluir, alterar ou excluir um endereço eletrônico.
Endereços de outras páginas também são objetos de estudo, mas alternativos, não
sendo os materiais preferenciais para estudo. O aluno pode, eventualmente, acessar
outras páginas relacionadas à disciplina, para ampliar o seu conhecimento;
• Gerenciar Imagens: O professor pode incluir, alterar ou excluir imagens. A
necessidade de cadastrar imagens é importante para os alunos de Histologia Bucal,
que estudam sobre lâminas histológicas;
• Gerenciar Turma: Compreende a ação de informar os dados da turma que o
professor está ministrando. É o simples ato de preencher um formulário com as
informações relevantes sobre a turma, para servir de identificação por parte do aluno.
A inserção da turma ocorre no primeiro acesso do professor ao sistema;
• Gerenciar Unidades: São as ações de incluir, alterar ou excluir uma unidade, que
corresponde a um tópico da disciplina. As unidades vão ser importantes para
determinar o fluxo de estudo do aluno. As primeiras unidades podem servir de
introdução, sendo que o grau de dificuldade aumenta a cada unidade. A última
unidade corresponde ao término do curso;
• Aprovar Alunos: Quando o aluno se cadastra no sistema, o seu cadastro fica
marcado como pendente. O professor, em sua página, pode ver os alunos cadastrados
para aprovar ou excluir o cadastro de cada um;
50
• Alterar Dados: O professor pode alterar os seus dados pessoais através de um
formulário semelhante ao do seu cadastro, quando ingressa no sistema;
• Trocar Senha: O professor pode trocar a sua senha de acesso, onde informa a sua
senha atual, por razões de segurança, depois digita a senha nova duas vezes para
confirmar;
• Acesso ao Fórum: No acesso ao fórum de discussão da disciplina o professor pode
criar ou excluir tópicos, para organizar os temas das discussões, bem como criar ou
excluir mensagens dentro dos tópicos;
• Efetuar Cadastro: Compreende o ato de o professor ingressar no sistema. O
professor preenche um formulário com seus dados pessoais. O cadastro fica pendente
de aprovação por parte do administrador. Somente se aprovado, o professor tem
acesso ao ambiente;
• Corrigir Questões: Existem dois tipos de questões que não podem ser corrigidas
automaticamente pelo sistema: as questões subjetivas e as de análise de imagem.
Essas questões, cada vez que um aluno responde, ficam pendentes e aparecem em
uma área específica para o professor poder corrigi-las, determinando se estão certas
ou erradas.
3.3.2. Casos de Uso do Aluno
Os casos de uso do aluno compreendem basicamente o acesso aos diversos tipos de recursos
cadastrados por seu professor, como lâminas histológicas, materiais de estudo ou links. As
necessidades do aluno sobre o sistema também compreende a realização das avaliações, onde
responde ao conjunto de questões definidas pelo agente pedagógico. Da mesma forma como com o
professor, todos os casos de uso dependem do aluno efetuar o login no sistema, com exceção do
caso de uso que envolve o cadastro do aluno. Os casos de uso são ilustrados na Figura 10 e serão
descritos a seguir.
51
Figura 10. Casos de uso do aluno
• Efetuar Login: É o ato de o aluno preencher o formulário de acesso, com o seu e-
mail e senha, e as informações estando corretas o sistema então direciona o aluno
para a sua página;
• Consultar Ementa: O aluno tem a necessidade de visualizar a ementa com as
unidades da disciplina. Nessa parte há um destaque para a unidade atual, aquela que
ele está estudando;
• Consultar Material: Compreende o acesso do aluno a seção de materiais
disponibilizados pelo professor. O aluno pode ver todos os materiais disponíveis ou
52
consultar aquele material recomendado pelo agente pedagógico (o funcionamento do
agente será explicado mais adiante);
• Consultar Imagem: Compreende o acesso do aluno a seção de imagens, que
representam lâminas histológicas disponibilizadas por seu professor. O estudo sobre
lâminas é comum e necessário a estudantes de Histologia Bucal;
• Consultar Link: Compreende o acesso do aluno aos links relacionados à sua turma.
O aluno pode consultar todos os links disponíveis ou escolher aquele recomendado
pelo agente pedagógico;
• Realizar Avaliação: O aluno pode acessar a área de avaliação, onde ficam todas as
questões definidas pelo agente pedagógico. O sistema deixou o acesso livre ao aluno,
se ele preferir pode acessar diretamente as questões, sem consultar nenhum material;
• Alterar Dados: O aluno pode alterar os seus dados pessoais através de um
formulário semelhante ao do seu cadastro, quando ingressa no sistema;
• Trocar Senha: O aluno pode trocar a sua senha de acesso, onde informa a sua senha
atual, por razões de segurança, depois digita a senha nova duas vezes para confirmar;
• Acesso ao Fórum: No acesso ao fórum de discussão da disciplina o aluno pode criar
ou excluir tópicos, para organizar os temas das discussões, bem como criar ou
excluir mensagens dentro dos tópicos;
• Ver Desempenho: Compreende o acesso do aluno a uma área específica do sistema,
onde ele pode ver um simples gráfico com o seu desempenho para cada unidade da
disciplina que já cursou;
• Efetuar Cadastro: Compreende o ato de o aluno ingressar no sistema. O aluno
escolhe a turma na qual deseja ingressar e preenche um formulário com seus dados
pessoais. O cadastro fica pendente de aprovação por parte do professor daquela
turma. Somente se aprovado, o aluno tem acesso ao ambiente.
3.3.3. Modelagem do Perfil do Aluno
O modelo do aluno representa o conhecimento e as habilidades cognitivas do aluno em um
determinado momento, que permite ao sistema adaptar-se às habilidades individuais de cada aluno.
53
Esse modelo é dinâmico, ou seja, é atualizado à medida que o sistema avalie o desempenho do
aluno.
No sistema desenvolvido o agente realiza uma modelagem do perfil do aluno buscando
identificar quais das inteligências múltiplas são predominantes no aluno. Essas preferências
pessoais são adquiridas através de respostas a um conjunto de questões, submetidas a ele em sua
primeira interação com o sistema. Esse questionário foi proposto por Antunes (2005). Desse
questionário foram abstraídas somente as questões referentes às inteligências utilizadas nesse
trabalho, que são a lingüístico-verbal, a visual-espacial e a lógico-matemática. Para cada questão, o
aluno escolhe somente uma resposta, que pode ser:
• S: Sim, com muita ênfase (muito, sempre, etc.);
• s: sim, com pouca ênfase (pouco, às vezes, etc.);
• n: não com pouca ênfase (acho que não, quase nunca, etc.);
• N: Não, com muita ênfase (absolutamente não, nunca, etc.).
O questionário (vide Anexo III) é agrupado de acordo com as inteligências múltiplas, no
entanto, para o usuário ele é apresentado diretamente, sem essa separação. No sistema
desenvolvido, o aluno só tem acesso ao sistema por completo após responder ao questionário, uma
vez que sem a modelagem inicial do perfil não é possível validar as preferências do aluno. A Figura
12 demonstra a tela do questionário de Inteligências Múltiplas.
54
Figura 11. Tela de aplicação do questionário de Inteligências Múltiplas
Cada questão está internamente ligada a qual Inteligência Múltipla ela representa. As
questões de 1 a 6 remetem à inteligência Lingüístico-verbal. As questões de 7 a 15 remetem à
inteligência Lógico-matemática e as questões 16 a 23 referem-se à inteligência Vísuo-espacial.
Como as respostas do aluno ficam armazenadas na base de dados, o perfil do aluno é
determinado pela soma de suas respostas para cada tipo de inteligência. Nesse caso, foi atribuída
uma pontuação para as respostas da seguinte forma: Sim com ênfase vale 2 pontos, sim com pouca
ênfase vale 1 ponto, não com pouca ênfase vale -1 ponto (negativo) e não com ênfase vale -2 pontos
(negativo). Dessa forma soma-se as respostas do aluno e chega-se a um número inteiro para cada
tipo de inteligência. Não interessa qual o valor o final, pois o valor serve apenas para verificar qual
inteligência é mais predominante no aluno, e não o quanto ela é predominante. Por exemplo, se a
soma das respostas indicarem 7, 1 e 0 para as inteligências Lingüístico-verbal, Lógico-matemática e
Vísuo-espacial, respectivamente, significa que a inteligência Lingüístico-verbal predomina nesse
aluno, seguida pela inteligência Lógico-matemática, e a menos predominante é a Vísuo-espacial.
55
Para o modelo do aluno, também é avaliado o nível de conhecimento sobre uma determinada
unidade da disciplina. O nível de conhecimento é classificado em: iniciante, intermediário,
experiente e suficiente. O nível padrão adotado é o iniciante, sempre que o estudante entra em um
novo tópico da disciplina. A partir das interações do aluno com o sistema, será mantido um
histórico de todas as ações do estudante, incluindo as respostas dos exercícios. De acordo com o
desempenho do estudante, o seu nível de conhecimento aumenta ou diminui. Quando atinge o nível
suficiente, o sistema automaticamente passa o aluno para a próxima unidade disponível. Para efeito
de classificação do desempenho do aluno os níveis de conhecimento foram definidos conforme
ilustrado na Tabela 6.
Tabela 6. Níveis de conhecimento do aluno sobre uma unidade da disciplina
Nível de conhecimento Descrição Iniciante Quando o aluno está iniciando uma nova unidade ou seu
desempenho está abaixo de 20% (porcentagem de acertos nas questões)
Intermediário Quando o desempenho do aluno está entre 20% e 50%. Experiente Quando o desempenho do aluno está entre 50% e 70%. Suficiente Quando o desempenho do aluno ultrapassa 70%. É o nível
suficiente para o aluno avançar para a próxima unidade da disciplina.
As informações do perfil do aluno ficam armazenadas em uma base de dados. As
informações necessárias são: identificação do usuário, identificação da unidade da disciplina, e os
níveis de inteligência lingüístico-verbal, visual-espacial e lógico-matemática. O nível de
conhecimento do aluno é armazenado em uma tabela separada, com as seguintes informações:
identificação do usuário, identificação da unidade (tópico da disciplina) e o nível de conhecimento.
3.3.4. A Base de Domínio
A modelagem do perfil do aluno permite proporcionar formas alternativas de aprendizagem
e interações personalizadas entre o sistema e o aluno, através de diferentes formas de exposição e
abordagem do conteúdo. O objetivo é contribuir de forma eficiente no processo de ensino e
promover um aprendizado individualizado para o estudante.
Para atender a esses requisitos a base de domínio foi dividida, conceitualmente, em três
módulos: a Base do Aluno, a Base do Curso e a Base do Sistema, conforme ilustra a Figura 13.
Fisicamente, tudo foi implementado em um único banco de dados. A divisão é uma abstração para
facilitar o entendimento do sistema, bem como facilitar a modelagem dos dados.
56
Figura 12. A base de domínio do Sistema Tutor Inteligente
A Base do Aluno corresponde à persistência das informações relevantes sobre o perfil do
aluno, seu nível de conhecimento sobre as unidades, os materiais, imagens e links que acessou, bem
como o histórico dos exercícios que resolveu. A Base do Curso remete as informações sobre os
recursos disponíveis, que são cadastrados pelo professor, como materiais, links, imagens e questões
de exercício e a própria ementa da disciplina. A Base do Sistema compreende uma pequena parte da
base de dados necessária ao funcionamento do sistema, mas sem relação com o conhecimento do
domínio, como as cidades e estados, que são utilizados no cadastro de alunos e professores.
3.3.5. Atuação dos Agentes
O sistema desenvolvido é composto de dois agentes inteligentes: o Assistente Pessoal do
Aluno e o Assistente Pessoal do Tutor. Os agentes foram desenvolvidos totalmente na linguagem
PHP, que pode ser considerada uma linguagem reativa, ou seja, um arquivo PHP só é executado
quando há uma requisição do servidor Web. Isso faz com que os agentes tenham características
particulares, um pouco diferentes de agentes desenvolvidos em Java, por exemplo. A ênfase do
projeto foi direcionada ao agente pedagógico, que é o agente do aluno. As características e o
comportamento desses agentes são descritas neste capítulo.
3.3.5.1. Assistente Pessoal do Tutor
O Assistente Pessoal do Tutor (APT) oferece ao professor um auxílio nos cadastros dos
recursos necessários ao sistema, como materiais e questões, além de permitir ao professor um
acompanhamento dos alunos que estão cadastrados em sua turma. Os objetivos deste agente são:
• Manter uma estrutura de recuperação das informações necessárias;
• Monitorar o estado dos cadastros dos alunos;
• Monitorar o estado do cadastro da turma e da ementa;
Base do Aluno
Base do Curso
Base do Sistema
57
• Auxiliar o professor nas interações com o sistema (cadastro de unidades, materiais,
questões, etc.), apresentando mensagens como dicas.
A partir desses objetivos, foram modelados os casos de uso com as necessidades que o
agente do tutor deve suprir. O agente é um assistente, e suas funcionalidades são mais básicas do
que o agente do aluno, resumindo-se a verificar o estado de cada recurso (materiais, questões, links
e imagens) na base de dados e dar um feedback para o professor, através de uma mensagem. Os
casos de uso são ilustrados na Figura 14, e serão descritos a seguir.
Figura 13. Casos de uso do agente do tutor
• Verificar Questões: O agente verifica se existem questões cadastradas para a turma.
Também verifica quais as unidades da disciplina que ainda não possuem questões
cadastradas, e emite um aviso para o professor. Todas as unidades devem ter
questões cadastradas;
• Verificar Materiais: O agente verifica se existem materiais cadastrados para a
turma. Verifica quais as unidades que ainda não possuem materiais, e emite um aviso
para o professor. Todas as unidades devem possuir materiais cadastrados;
58
• Verificar Alunos: Verifica o estado do cadastro dos alunos, e emite um aviso para o
professor sobre os alunos novos e para aqueles que estão ociosos, ou seja, a mais de
uma semana sem acessar o ambiente;
• Verificar Links: Verifica se existem links cadastrados, e quais as unidades que não
possuem links relacionados. Os links são opcionais, não é obrigatório cadastrá-los;
• Verificar Imagens: As imagens, assim como os links são opcionais. As imagens são
apenas para consulta, não possuem vínculo com unidades da disciplina. O agente
apenas verifica se existem imagens cadastradas;
• Verificar Cadastro da Turma: O agente verifica se o cadastro da turma foi
preenchido. Dessa forma, o agente só habilita o acesso do professor aos cadastros se
as informações da turma foram preenchidas;
• Verificar Ementa da Turma: O agente verifica se a ementa da turma foi
preenchida. O agente só permite o acesso completo do professor ao ambiente se o
professor cadastrar pelo menos uma unidade;
• Exibir Mensagem: De acordo com a seção do sistema que o professor estiver
acessando (cadastro de materiais, questões, imagens, links) o agente exibe
mensagens de dicas.
O agente do tutor não possui uma representação gráfica, como o agente do aluno. Ele age
sempre que for invocado, dentro de um contexto. Por exemplo, quando o professor acessa a seção
de materiais ele verifica se há materiais cadastrados e se todas as unidades da ementa possuem
materiais cadastrados. Se uma dessas situações não for verdadeira, o agente emite um alerta, em
destaque, para avisar o professor. Se todas as unidades possuem materiais cadastrados, o agente
apenas apresenta algumas dicas pertinentes para o professor como: “Procure cadastrar materiais
diversificados como textos, imagens, apresentações e animações” ou “Os materiais devem servir de
base para o aluno responder as questões propostas, para um melhor aprendizado”. De forma
análoga, o sistema emite avisos para o cadastro da ementa, materiais, links e imagens. Na figura 15
é possível visualizar um exemplo de mensagem do agente do tutor, para o cadastro de materiais.
59
Figura 14. Tela de cadastro de materiais
Uma segunda função importante do agente é o monitoramento do cadastro dos alunos.
Através dele o professor toma conhecimento dos alunos que são novos, ou seja, recém cadastrados
no sistema. Os alunos novos o agente emite uma mensagem de alerta, em destaque, conforma ilustra
a Figura 16. O agente também monitora os alunos que estão ociosos, considerando que os alunos
fiquem mais de uma semana sem acessar o ambiente. Nesse caso, o agente emite apenas uma
mensagem como uma dica para o professor.
60
Figura 15. Tela de monitoramento dos alunos
3.3.5.2. Assistente Pessoal do Aluno
O Assistente Pessoal do Aluno (APA) possui características de um agente pedagógico
animado. Ele possui a aparência de um personagem feminino, com feições humanas e é capaz de
apresentar expressões faciais de alegria, seriedade ou tristeza, dependendo sempre do momento e do
desempenho do aluno. As funções deste agente, de forma geral, compreendem monitorar as ações
do aluno sobre o sistema, bem como acompanhar o seu desempenho nas atividades. A Figura 17
apresenta os casos de uso definidos para o agente do aluno.
61
Figura 16. Casos de uso do agente do aluno
• Exibir Mensagem: Compreende as mensagens que o agente pedagógico transmite
para o aluno, que pode ser uma saudação, uma congratulação, apresentar o ambiente
na primeira vez que o aluno acessa, indicar um material, indicar um link ou ainda
destacar o desempenho do aluno;
• Avançar Unidade: O agente deve verificar o desempenho do aluno, e na medida em
que for suficiente, o agente deve preparar o aluno para iniciar a próxima unidade da
ementa, definindo novas questões;
• Indicar Material: O agente sempre indica um material de acordo com o nível de
conhecimento do aluno na unidade. Os materiais são classificados como básicos,
intermediários ou avançados, de acordo com o nível de abrangência. Dessa forma, o
agente indica um material básico para o aluno iniciante, ou que estiver com
desempenho baixo. E indica um material mais avançado para aquele aluno com
desempenho melhor;
62
• Indicar Link: Compreende a função de o agente indicar uma página para consulta
do aluno, segundo a unidade da disciplina que o aluno estiver estudando;
• Verificar Perfil: No primeiro acesso do aluno, o agente deve verificar se o
questionário que define o perfil foi preenchido. Caso não tenha sido preenchido, o
agente deve apresentar o questionário ao aluno. Somente após o perfil ter sido
definido, o agente permite o acesso completo do aluno ao ambiente;
• Definir Questões: Compreende uma das funções mais importantes do agente, que é
definir as questões para a avaliação do aluno. O agente deve buscar questões mais
próximas o possível do perfil do aluno;
• Verificar Desempenho: O agente verifica o desempenho do aluno para a unidade
que ele está estudando no momento. O desempenho é analisado de acordo com todas
as respostas dos exercícios que o aluno respondeu, daquela unidade da disciplina;
• Verificar Questões: O agente verifica as questões respondidas pelo aluno, e verifica
se há necessidade de definir mais questões. Se o aluno já respondeu todas as
questões, e ainda não atingiu o desempenho suficiente, o agente procura definir mais
exercícios para o aluno resolver.
O agente pedagógico, assim como o agente do tutor, age quando é invocado, dentro de um
contexto. As suas expressões faciais mudam conforme o desempenho do aluno. Se o desempenho
estiver baixo, a expressão é de tristeza. Se o desempenho for regular, a expressão é de seriedade. E
se o desempenho for bom, a expressão é de alegria. Em alguns momentos a expressão do agente não
depende do desempenho, por exemplo quando o aluno acaba de entrar no ambiente, a expressão é
sempre de alegria, para fazer uma saudação. O agente sempre aparece de corpo inteiro, e transmite
as mensagens através de um balão de diálogo, conforme ilustra a Figura 18.
63
Figura 17. Agente pedagógico fazendo uma saudação ao aluno
Uma das atribuições do agente pedagógico é definir as questões para a avaliação do aluno.
No perfil do aluno, conforme observado pelo diagrama de entidade-relacionamento, é armazenado o
nível de cada tipo de inteligência que o aluno detém, que é definido de acordo com as respostas ao
questionário de perfil. Também para as questões são atribuídos os tipos de inteligência múltipla que
ela trabalha (isso será melhor detalhado na seção 3.3.8). Dessa forma, o agente verifica qual(is) a(s)
inteligência(s) predominante no aluno, e procura buscar as questões de acordo com essa
predominância. Não havendo questões que se encaixem no perfil do aluno, o agente busca outras
questões, a fim de preencher o questionário para a avaliação. Um exemplo com as questões de
avaliação para um aluno pode ser observado na Figura 19, e um exemplo de exercício pode ser
verificado na Figura 20.
64
Figura 18. Tela com as questões de avaliação de um aluno
65
Figura 19. Tela com exemplo de uma questão de múltipla escolha para o aluno
O agente também tem como função indicar um material para estudo ou um link para
consulta do aluno. Quando o aluno acessa a seção de materiais, o agente normalmente indica um
material para consulta. Se o aluno for iniciante, ou estiver com desempenho baixo, o agente indica
um material básico, de acordo com a classificação dos materiais. Se o desempenho do aluno estiver
regular ou bom o agente indica um material intermediário ou avançado. Para indicar links para
consulta, o agente apenas verifica qual a unidade que o aluno está atualmente, não há nenhum tipo
de classificação para os links. Se o aluno preferir, ele pode ignorar a dica do agente, e acessar todos
os materiais ou links disponíveis. Assim o sistema aberto para o aluno escolher o que melhor deseja
fazer. As Figuras 21 e 22 ilustram uma dica do agente para um material e para um link,
respectivamente.
66
Figura 20. O agente pedagógico indicando um material de estudo para o aluno
67
Figura 21. O agente pedagógico indicando uma página para o aluno consultar
3.3.6. Escolha por Sistemas Especialistas
Para a tomada de decisão do agente pedagógico foi escolhido Sistemas Especialistas.
Durante a proposta deste trabalho foi feita a escolha sobre RBC, sob algumas vantagens como a
facilidade de implementação e a aprendizagem do sistema. Contudo, não se encontrou uma solução
para suprir a necessidade de casos iniciais para formar a base de conhecimento. Conclui-se que é
muito improvável construir um sistema baseado em RBC a partir de uma base de conhecimento
vazia. A fim de apresentar uma solução para a tomada de decisão do agente, optou-se por utilizar
Sistemas Especialistas, que segundo Fernandes (2003) apresenta as seguintes vantagens:
• Possibilidade para construção de regras, o que aumenta sua flexibilidade e eficiência;
• Tomada lógica de decisões sob imprecisão ou na ausência de informações. Nos
sistemas tradicionais, o método de busca é baseado em um conhecimento codificado
anteriormente. Quando surge um novo conhecimento, faz-se necessário reescrever o
código. Já em Sistemas Especialistas pode-se recuperar novos fatos e regras e usá-los
sem modificar a estratégia de busca;
68
• Velocidade na determinação de problemas;
• A decisão está fundamentada em uma base de conhecimento;
• Estabilidade e flexibilidade.
A fim de determinar o algoritmo que envolve o processo de decisão do agente, optou-se por
realizar uma modelagem completa, com todos os caminhos possíveis, através de uma árvore de
decisão. Essa árvore, ilustrada na Figura 23, determina a maneira como o agente pedagógico toma
as suas decisões.
Nessa árvore de decisão, cada nó que contém uma pergunta representa uma verificação que
o agente faz, normalmente na base de dados. A partir de cada verificação, o agente tem a resposta
para aquela pergunta. Logo ele pode tomar apenas dois caminhos, para o SIM ou para o NÃO. Esse
caminho pode levar a uma nova pergunta (uma nova verificação) ou a uma resposta, que é
representada pelas folhas na árvore. Essas respostas indicam a ação que o agente toma para cada
caso.
69
Figura 22. Árvore de decisão do agente pedagógico
3.3.7. Exercício das Inteligências Múltiplas
Conforme já mencionado, no sistema desenvolvido os tipos de questões são: múltipla
escolha, somatória, verdadeiro ou falso, análise de imagem e questões subjetivas. Para se trabalhar
com as diferentes inteligências do aluno, os tipos de questões são os mesmos. O contexto da questão
é que determina o tipo de inteligência exercitada. A exceção para essa regra são as questões de
70
análise de imagem, onde o aluno tem que identificar as estruturas de uma célula. Esse tipo de
questão exercita evidentemente a inteligência visual.
A Tabela 7 ilustra os tipos de inteligência que o sistema desenvolvido trabalha. Para cada
inteligência segue alguns exemplos de exercícios, que correspondem a estratégias pedagógicas que
podem ser adotadas pelo agente tutor.
Tabela 7. Estratégias para desenvolver os tipos de inteligência
Inteligência Estratégias Lingüístico-verbal Questões descritivas onde o aluno possa expressar sua
capacidade lingüística (escrita) ou de interpretação. Visual-espacial Exercícios para o aluno identificar as estruturas de uma
célula, ou analisar uma foto, gráfico, etc. Lógico-matemática Exercícios que envolvam cálculo, problema lógico, enigma
ou envolvam a capacidade crítica do aluno (por exemplo, calcular o pH de células).
Na tela de cadastro das questões, existem três parâmetros que o professor pode definir para
classificar as questões. Esses parâmetros são textos explicativos que remetem aos três tipos de
inteligência trabalhados. Dessa forma, cada questão pode ser facilmente associada às inteligências
múltiplas, e também facilita a recuperação de uma questão de acordo com o perfil do aluno. Os
parâmetros utilizados são os seguintes:
• “Esta questão constitui um desafio, resolução de um problema lógico ou enigma,
interpretação de um gráfico ou envolve pensamento crítico do aluno”. Remete à
inteligência lógico-matemática.
• “Esta questão envolve a interpretação/análise de uma imagem, foto ou apresentação.
Ou envolve transferir um texto para desenhos, gráficos, ou quadros-síntese”. Remete
à inteligência visual-espacial.
• “Esta questão envolve habilidades do aluno como sintetizar, analisar, relatar,
descrever, desafios sobre interpretação de textos”. Remete à inteligência lingüístico-
verbal.
Essas opções são de múltipla escolha. O professor pode não marcar nenhuma, assim como
pode assinalar as três classificações. Dessa forma o professor não precisa conhecer os conceitos de
Inteligências Múltiplas, basta associar a questão àquelas classificações que melhor se adequar. As
Figuras 24, 25, 26, 27 e 28 mostram exemplos de cadastros para os cinco tipos de questões.
71
Figura 23. Tela de cadastro de questão (múltipla escolha)
72
Figura 24. Tela de cadastro de questão (verdadeiro ou falso)
73
Figura 25. Tela de cadastro de questão (somatória)
74
Figura 26. Tela de cadastro de questão (identificação de imagem)
75
Figura 27. Tela de cadastro de questão (subjetiva)
3.4. TECNOLOGIAS UTILIZADAS NO PROJETO
Visto que o sistema desenvolvido é um sistema inteligente via Web optou-se por utilizar as
tecnologias PHP e PostgreSQL. A linguagem PHP (Hypertext Preprocessor) é uma linguagem
interpretada, e não compilada. É utilizada para o pré-processamento de documentos na Internet. É
considerada uma tecnologia server-side, ou seja, ela efetua o processamento das informações no
servidor, e permite gerar uma página Web dinamicamente que é enviada ao computador cliente. O
processamento ocorre no servidor e não no computador do usuário.
A vantagem da linguagem PHP consiste em ser uma tecnologia gratuita e relativamente
rápida em relação a outras tecnologias Web. A razão da sua escolha vem do fato de possuir muitos
recursos prontos para o desenvolvimento de sistemas na Internet e também possuir uma fácil
integração com tecnologias de banco de dados. A linguagem também foi escolhida por atender de
forma suficiente as necessidades de desenvolvimento do sistema.
Para o projeto do banco de dados e a base de conhecimento do sistema, optou-se por utilizar
o PostgreSQL. O PostgreSQL é uma tecnologia gratuita, de código-fonte aberto, altamente segura,
76
possui alta performance e é detentora de muitos recursos para os desenvolvedores, como funções
(em várias linguagens como C, Perl, SQL e PHP), domínios, gatilhos, regras e seqüenciadores. A
partir da versão 8.0 o PostgreSQL ganhou uma versão nativa para plataformas Windows NT e
superiores, o que também influenciou na escolha deste banco de dados para o projeto.
A linguagem de programação JavaScript foi bastante utilizada no sistema, principalmente
para a validação de formulário de dados. O JavaScript tem como característica principal o fato de
ser processada na máquina do usuário, e não no servidor. Isso é uma vantagem para executar
validação de dados em formulários ou exibir mensagens de alerta, sem a necessidade de trocas de
página ou atualizações (refresh).
A linguagem de formatação CSS (Cascading Style Sheets) também foi amplamente utilizada
no desenvolvimento do sistema. A linguagem CSS permite criar estilos para formatar os elementos
de uma página Web, de forma semelhante aos estilos de um documento do Microsoft Word. É
possível criar estilos em arquivos CSS e reutilizá-los em várias páginas diferentes, o que permite
um alto nível de produção para a programação.
[FIM DE SEÇÃO. Não remova esta quebra de seção]
4. CONCLUSÕES
Este trabalho consistiu no desenvolvimento de uma solução Web para um Sistema Tutor
Inteligente. Através de uma pesquisa abrangente na literatura sobre os conceitos que envolvem o
desenvolvimento de STIs e agentes, optou-se por utilizar uma arquitetura própria e simplificada. O
motivo da adaptação decorre de que os Sistemas Tutores são complexos e demandam muito tempo
de desenvolvimento. Através de uma arquitetura própria conseguiu-se reduzir consideravelmente
essa complexidade, o que possibilitou criar um Sistema Tutor simples, contudo, funcional.
Através da aplicação de um agente pedagógico animado e de conceitos de Inteligências
Múltiplas, foi possível criar um ambiente de ensino-aprendizagem interativo e que consegue
adaptar-se aos diferentes estilos de aprendizagem de um aluno, que consistiu no objetivo principal
deste projeto de pesquisa.
A modelagem do perfil do aluno ocorre após o mesmo responder o questionário das
inteligências múltiplas. A modelagem não é dinâmica, ou seja, o perfil do aluno não é atualizado
conforme o seu desempenho nos estudos, pois este não era o objetivo deste trabalho.
Por fim, considerando-se que todos os objetivos específicos do trabalho foram alcançados,
observa-se a importância das contribuições que este trabalho proporciona, na medida em que
comprova ser possível a implementação de agentes inteligentes em PHP, que é uma linguagem
reativa, possibilitando no futuro a construção de arquiteturas e ambientes mais elaborados. Também
é possível concluir que a utilização dos conceitos de Inteligências Múltiplas é fundamental na busca
por criar ambientes adaptados às características individuais dos alunos.
Visto que a implantação não foi o objetivo deste trabalho, não foram levados em
consideração detalhes de desenvolvimento de sistemas que envolvem segurança de dados e
performance. O esforço foi direcionado na implementação dos casos de uso modelados e
principalmente sobre os agentes.
4.1. RECOMENDAÇÕES
A partir dos resultados apresentados neste trabalho, constatou-se a necessidade de
aperfeiçoamentos e futuros trabalhos a fim de aprimorar a arquitetura proposta e fornecer suporte
78
mais amplo ao processo de tomada de decisão do agente. Desta forma pode-se destacar os seguintes
trabalhos futuros:
• Implementar o processo de tomada de decisão do agente utilizando uma técnica de
Inteligência Artificial mais abrangente, como Raciocínio Baseado em Casos, para
que a base de conhecimento possa ter um aprendizado;
• Implementar o exercício de outras Inteligências Múltiplas, além das três
desenvolvidas neste trabalho, para oferecer ao sistema um grau maior de
adaptabilidade ao perfil do aluno;
• Implementar um mecanismo mais flexível para a correção das questões, pois
atualmente uma questão é classificada como totalmente certa ou totalmente errada. O
sistema não avalia se uma questão está parcialmente certa, nem possibilita que o
professor classifique as questões subjetivas dessa forma;
• Implementar uma atualização dinâmica para o perfil do aluno, para o caso de o
questionário de inteligências múltiplas não determinar corretamente as inteligências
predominantes do aluno;
• Adequar a interface do sistema, segundo os princípios de usabilidade de software.
[FIM DE SEÇÃO. Não remova esta quebra de seção]
REFERÊNCIAS BIBLIOGRÁFICAS
AHMED, K. S. Animated pedagogical agents in web-based intelligent learning environment. Singapore Polytechnic Technical Journal, Cingapura, [200?]. Disponível em: <http://www.sp.edu.sg/projects/tjournal/doc/kazi301102.pdf>. Acesso em: 15 maio 2005.
ANTUNES, C. Como desenvolver conteúdos explorando as inteligências múltiplas. 5. ed. v. 3. São Paulo: Vozes, 2005. (Coleção na Sala de Aula).
CAMPOS, M. B. Histórico da informática na educação no Brasil. Rio Grande do Sul: [s.n.], 2005. Disponível em: <http://www.inf.pucrs.br/~marciabc/topicos/historico_IE.pdf>. Acesso em: 21 abr. 2005.
CORMACK, D.H. Fundamentos de Histologia. 1. ed. Rio de Janeiro: Guanabara Koogan, 1996.
COSTA, R. J. M. Sistemas Tutores Inteligentes. Rio de Janeiro: [s.n.], 2002. Disponível em: <http://www.nce.ufrj.br/ginape/publicacoes/trabalhos/MacarioMaterial/index.htm>. Acesso em: 22 abr. 2005.
CRISTEA, P. D.; TUDUCE, R. Intelligent eLearning environments. In: 3-RD EUROPEAN CONFERENCE ON E-COMMERCE / E-ACTIVITIES / E-WORKING / E-BUSINESS, ON-LINE SERVICES, VIRTUAL INSTITUTES AND THEIR INFLUENCES ON AHE ECONOMIC AND SOCIAL ENVIRONMENT, 2002, Bucharest. Proceedings… Bucharest: E-COMM_LINE, 2002.
DOWLING, C. Intelligent pedagogical agents in on-line learning environments. In: CONFERENCE ON EDUCATIONAL USES OF INFORMATION AND COMMUNICATION TECHNOLOGIES, 2000, Beijing, China. Proceedings… Beijing, China: 2000.
FECHINE, J. M.; QUEIROZ, J. E. R.. Informática na educação: evolução e tendências. Campina Grande, [200-?]. Disponível em: <http://www.dsc.ufcg.edu.br/~joseana/SBPC02.ppt>. Acesso em: 11 abr. 2005.
FERNANDES, A. M. R. Sistemas Especialistas. In: FERNANDES, A. M. R. Inteligência Artificial: noções gerais. Florianópolis: Visual Books, 2003. ISBN: 85-750-2114-1.
FERNANDES, A. M. R. Raciocínio Baseado em Casos. In: FERNANDES, A. M. R. Inteligência Artificial: noções gerais. Florianópolis: Visual Books, 2003. ISBN: 85-750-2114-1.
FERREIRA, L. F.; BERCHT, M. Agentes pedagógicos como apoio à avaliação de competência técnica em educação e prática médica. In: CONGRESSO IBEROAMERICANO DE INFORMÁTICA EDUCATIVA, 5., 2000, Viña Del Mar, Chile. Anais eletrônicos... Viña Del Mar, Chile: Universidad de Chile, 2000. Disponível em: <http://www.c5.cl/ieinvestiga/actas/ribie2000/papers/187/index.htm>. Acesso em: 08 maio 2005.
FLORES, C. D. Fundamentos dos Sistemas Especialistas. In: BARONE, D. (org). Sociedades artificiais: a nova fronteira da inteligência das máquinas. Porto Alegre: Bookman, 2003. ISBN: 85-363-0124-4.
80
FOSJC – Faculdade de Odontologia de São José dos Campos. Histologia do Periodonto, Disponível em <http://www.fosjc.unesp.br/periodontia/Main.htm>. Acesso em: 02 abr. 2005.
FRAGA, L. M. et al. Guilly – Um agente pedagógico animado para o AVEI. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO, 12., 2001, Vitória. Anais eletrônicos... Vitória: UFES, 2001. Disponível em: <http://www.inf.ufes.br/~sbie2001/figuras/artigos/a035/a035.htm>. Acesso em: 07 maio 2005.
GARCIA, A. C. B.; SICHMAN, J. S. Agentes e Sistemas Multiagentes. In: REZENDE, S. O. (org). Sistemas inteligentes: fundamentos e aplicações. Barueri, SP: Manole, 2003. ISBN: 85-204-1683-7.
GÁSPARI, J. C.; SCHWARTS, G. M. Inteligências múltiplas e representações. Psicologia: Teoria e Pesquisa. Brasília, v.18, n. 3, 2002. ISSN 0102-3772. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-37722002000300004>. Acesso em: 24 jul. 2005.
GREGIO, B. M. A. A informática na educação: as representações sociais e o grande desafio do professor frente ao novo paradigma educacional. Colabor@, Campo Grande, 1. sem. 2003. Disponível em: <http://gemini.ricesu.com.br/colabora/n6/artigos/n_6/pdf/id_02.pdf>. Acesso em: 10 abr. 2005.
JUNQUEIRA, L. C.; CARNEIRO, J. Histologia básica. 9. ed. Rio de Janeiro: Guanabara Koogan, 1999.
LIMA, D. R.; ROSATELLI, M. C. Um sistema tutor inteligente para um ambiente virtual de ensino aprendizagem. In CONGRESSO DA SOCIEDADE BRASILEIRA DE COMPUTAÇÃO, 23., 2003, Porto Alegre. Anais... Porto Alegre: 2003.
LINDERMANN, V. Raciocínio baseado em casos. In: BARONE, D. (org). Sociedades artificiais: a nova fronteira da inteligência das máquinas. Porto Alegre: Bookman, 2003. ISBN: 85-363-0124-4.
LUMEN - Loyola University Medical Center Education Network. Lumen histology home page. Disponível em: <http://www.meddean.luc.edu/lumen/MedEd/Histo/frames/histo_frames.html>. Acesso em: 02 abr. 2005.
MEDEIROS, D. Unicamp promove semana de preservação da saúde bucal. Cosmo online. Campinas, nov. 2005. Disponível em: <http://www.cosmo.com.br/cidades/campinas/integra.asp?id=126362>. Acesso em: 02 nov. 2005.
MENDONÇA, V. L., LOPES, S. Por que estudar... Histologia?. [S.l.]: Saraiva, 2003. Disponível em: <http://www.editorasaraiva.com.br/biosonialopes/pdf/histologia.pdf>. Acesso em: 23 jul. 2005.
MORAES, M. C. Informática educativa no Brasil: uma história vivida, algumas lições aprendidas. Revista Brasileira de Informática na Educação, Florianópolis, n. 1, abr. 1997.
PAIM, R. L., RODRIGUES, I. P. C., RODRIGUES, M. A. B. Sistema de auxílio ao ensino de Histologia. In: III Workshop de Informática Aplicada a Saúde do III Congresso Brasileiro de Computação, Anais.....Itajaí, Agosto de 2003.
81
SANTOS, C. T. et al. DÓRIS – Um agente de acompanhamento pedagógico em Sistemas Tutores Inteligentes. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO, 12., 2001, Vitória. Anais eletrônicos... Vitória: UFES, 2001. Disponível em: <http://www.inf.ufes.br/~sbie2001/figuras/artigos/a041/a041.htm>. Acesso em: 07 maio 2005.
SIG – Structural Informatics Group. Digital anatomist project description. Disponível em <http://sig.biostr.washington.edu/projects/da/overview.html>. Acesso em: 02 abr. 2005.
TRAVASSOS, L. C. P. Inteligências múltiplas. Revista de biologia e ciências da terra. Belo Horizonte, v. 1, n. 2, 2001. ISSN 1519-5228. Disponível em: <http://www.ihendrix.br/biologia/revista/inteligencias_multiplas.pdf >. Acesso em: 25 jun 2005.
UFRGS – Universidade Federal do Rio Grande do Sul. Webfólio educação à distância. Disponível em: <http://www.pgie.ufrgs.br/webfolioead>. Acesso em: 17 abr. 2005.
UNICAMP – Universidade Estadual de Campinas. Projeto EDUCOM. Campinas: [s.n.], 1983. Disponível em: <http://www.edutec.net/Textos/Self/EDTECH/educom.htm>. Acesso em: 22 abr. 2005.
URBAN-LURAIN, M. Intelligent Tutoring Systems: an historic review in the context of the development of Artificial Intelligence and educational psychology. [S.l., S.n.], primavera 1996. Disponível em: <http://www.cse.msu.edu/rgroups/cse101/ITS/its.htm>. Acesso em: 01 maio 2005.
VALENTE, J. A.; ALMEIDA, F. J. Visão analítica da informática na educação no Brasil: a questão da formação do professor. Revista Brasileira de Informática na Educação, Florianópolis, n. 1, p. 45-60, set. 1997.
VAZ, F. F.; RAPOSO, R. Introdução à ciência cognitiva. Rio de Janeiro: [s.n.], 2002. Disponível em: <http://www.nce.ufrj.br/ginape/publicacoes/trabalhos/RenatoMaterial/index.htm>. Acesso em: 22 abr. 2005.
VICARI, R. M.; GIRAFFA, L. M. M. Fundamentos dos Sistemas Tutores Inteligentes. In: BARONE, D. (org). Sociedades artificiais: a nova fronteira da inteligência das máquinas. Porto Alegre: Bookman, 2003. ISBN: 85-363-0124-4.
WOLF, M.; SCARBROUGH, M. The JayDoc HistoWeb. Disponível em: <http://www.kumc.edu/instruction/medicine/anatomy/histoweb>. Acesso em: 02 abr. 2005.
[FIM DE SEÇÃO. Não remova esta quebra de seção]
ANEXO I – DIAGRAMAS DE CASOS DE USO
CASOS DE USO DO ADMINISTRADOR
Caso de Uso Trocar Senha Fluxo Principal 1. Administrador solicita trocar senha. 2. Sistema exibe tela, pedindo a senha atual e a senha nova. 3. Administrador informa a senha atual, a nova senha e a confirmação da nova senha. 4. Administrador solicita confirmar a alteração. 5. Sistema salva a nova senha e exibe mensagem de confirmação.
Caso de Uso Aprovar Professor Fluxo Principal 1. Administrador solicita consultar a lista de professores do ambiente 2. Sistema exibe uma lista com todos os professores. 3. Administrador seleciona o professor desejado e solicita aprovar o cadastro. 4. Sistema efetua a aprovação do cadastro do professor no banco de dados. Fluxo Alternativo – Excluir Professor 1. Administrador solicita consultar a lista de professores do ambiente 2. Sistema exibe uma lista com todos os professores. 3. Administrador seleciona o professor desejado e solicita excluir o cadastro. 4. Sistema solicita confirmação da exclusão. 5. Administrador confirma a exclusão do cadastro. 6. Sistema exclui o cadastro do professor do banco de dados.
83
Caso de Uso Efetuar Login Fluxo Principal 1. Administrador acessa a página inicial do ambiente, através de uma área restrita, específica para o administrador (pois a figura do administrador pode não ser um professor). 2. Sistema exibe tela, pedindo o e-mail e a senha de acesso. 3. Administrador informa o e-mail e a senha, e solicita ingressar no ambiente. 4. Se os dados foram digitados corretamente, o sistema valida-os no banco de dados. 5. Se o e-mail e a senha conferem, sistema direciona o administrador a sua área de trabalho. Fluxo de Exceção – Dados Incorretos 1. No passo 4 do fluxo principal, se o e-mail ou a senha não foram digitados corretamente, o sistema aborta a operação e exibe uma mensagem de erro para o usuário. Fluxo de Exceção – Dados Inválidos 1. No passo 5 do fluxo principal, se o e-mail ou a senha não conferem, o sistema aborta a operação e exibe uma mensagem de erro para o usuário.
84
CASOS DE USO DO ALUNO
Caso de Uso Consultar Ementa Fluxo Principal 1. Aluno solicita consultar a ementa. 2. Sistema exibe a ementa, com as unidades da disciplina, destacando a unidade atual do aluno.
Caso de Uso Consultar Material Fluxo Principal 1. Aluno solicita consultar materiais. 2. Sistema invoca o agente a apresentar os materiais de estudo para o aluno.
85
Caso de Uso Consultar Imagem Fluxo Principal 1. Aluno solicita consultar imagens. 2. Sistema exibe uma lista com as lâminas histológicas disponíveis para a turma. 3. Aluno seleciona a imagem que deseja e solicita visualizar. 4. Sistema exibe a imagem ampliada.
Caso de Uso Consultar Link Fluxo Principal 1. Aluno solicita consultar links. 2. Sistema invoca o agente a apresentar os links para o aluno consultar.
Caso de Uso Realizar Avaliação Fluxo Principal 1. Aluno solicita realizar a avaliação da unidade atual. 2. Sistema exibe as questões selecionadas pelo agente. 3. Aluno seleciona a questão que deseja resolver. 4. Sistema exibe a tela de resolução da questão. 5. Aluno responde a questão e confirma a resposta. 6. Sistema registra a resposta do aluno. 7. Se for questão subjetiva ou de análise de imagem, sistema marca a questão como pendente de correção, e exibe uma mensagem de aviso para o aluno.
Caso de Uso Efetuar Cadastro Fluxo Principal 1. Aluno solicita ingressar no ambiente, a partir da página principal do sistema. 2. Sistema exibe as turmas disponíveis. 3. Aluno escolhe a turma que deseja ingressar e solicita continuar no cadastro. 4. Sistema exibe o formulário de inscrição. 5. Aluno informa os dados e confirma. 6. Se o dados estão corretos, sistema registra o ingresso do aluno, e marca seu cadastro como inativo, exibindo uma mensagem de confirmação para o aluno. Fluxo de Exceção – Dados incorretos 1. No passo 6 do fluxo principal, se algum dado estiver incorreto, sistema exibe uma mensagem para o aluno e volta a página do formulário.
Caso de Uso Ver Desempenho Fluxo Principal 1. Aluno solicita ver seu desempenho. 2. Sistema invoca o agente a buscar o desempenho do aluno. 3. Sistema exibe um gráfico com a porcentagem de desempenho para cada unidade estudada.
86
Caso de Uso Acesso ao Fórum Fluxo Principal - Postar Nova Mensagem 1. Usuário solicita acessar o fórum de discussão. 2. Sistema exibe a tela do fórum, com seus respectivos tópicos. 3. Usuário seleciona o tópico com o assunto de seu interesse. 4. Sistema exibe tela de mensagens do tópico selecionado. 5. Usuário solicita nova mensagem. 6. Sistema exibe tela de preenchimento dos dados da mensagem. 7. Usuário informa os dados da mensagem e solicita enviar. 8. Sistema salva as informações da mensagem. Fluxo Alternativo - Excluir Mensagem 1. Usuário solicita acessar o fórum de discussão. 2. Sistema exibe a tela do fórum, com seus respectivos tópicos. 3. Usuário seleciona o tópico com o assunto de seu interesse. 4. Sistema exibe tela de mensagens do tópico selecionado. 5. Usuário seleciona a mensagem desejada e solicita excluir. 6. Sistema solicita confirmação para a exclusão. 7. Usuário confirma a exclusão. 8. Sistema exclui a mensagem. Fluxo Alternativo - Criar Tópico 1. Usuário solicita acessar o fórum de discussão. 2. Sistema exibe a tela do fórum, com seus respectivos tópicos. 3. Usuário solicita criar novo tópico. 4. Sistema exibe tela de preenchimento dos dados do tópico. 5. Usuário informa os dados do tópico e solicita enviar. 6. Sistema salva as informações do novo tópico.
Fluxo Alternativo - Excluir Tópico 1. Usuário solicita acessar o fórum de discussão. 2. Sistema exibe a tela do fórum, com seus respectivos tópicos. 3. Usuário seleciona o tópico e solicita excluir. 4. Sistema solicita confirmação. 5. Usuário confirma exclusão. 6. Sistema excluir o tópico.
Caso de Uso Alterar Dados Fluxo Principal 1. Usuário solicita alterar os dados pessoais. 2. Sistema exibe o formulário com os dados do aluno. 3. Usuário efetua as alterações nos dados e solicita confirmar. 4. Se os dados estão corretos, sistema salva os dados.
87
Fluxo de Exceção – Dados Incorretos 1. No passo 4, se algum dado estiver incorreto, sistema aborta a operação e exibe mensagem de erro para o aluno.
CASOS DE USO DO PROFESSOR
Caso de Uso Manter Turma Fluxo Principal – Cadastrar ou Alterar Dados da Turma 1. Sistema exibe a tela de informações do curso. 2. Professor informa os dados. 3. Professor solicita salvar os dados. 4. Se dados estão corretos, sistema salva as informações.
88
Fluxo de Exceção - Dados Incorretos 1. No passo 4, se alguma informação não for passada corretamente, sistema exibe mensagem de alerta e não salva os dados.
Caso de Uso Manter Links Fluxo Principal 1. Professor seleciona cadastro de links. 2. Sistema exibe a lista de links cadastrados. 3. Professor seleciona a operação (incluir, alterar ou excluir um link). 4. Sistema exibe tela de inclusão, alteração ou exclusão, conforme a opção escolhida. 5. Professor informa os dados e confirma a operação. 6. Sistema efetua a operação.
Caso de Uso Manter Imagens Fluxo Principal 1. Professor seleciona cadastro de imagens. 2. Sistema exibe a lista de imagens cadastradas. 3. Professor seleciona a operação (incluir, alterar ou excluir uma imagem). 4. Sistema exibe tela de inclusão, alteração ou exclusão, conforme a opção escolhida. 5. Professor informa os dados e confirma a operação. 6. Sistema efetua a operação.
Caso de Uso Manter Materiais Fluxo Principal 1. Professor seleciona o cadastro de materiais de estudo. 2. Sistema exibe a lista de materiais disponíveis. 3. Professor escolhe a operação (incluir, alterar, excluir material). 4. Sistema exibe tela inclusão, alteração ou exclusão, segundo a opção escolhida. 5. Professor confirma a operação. 6. Sistema efetua as alterações solicitadas.
Caso de Uso Manter Questões Fluxo Principal - Incluir Questão 1. Professor seleciona o cadastro de questões. 2. Sistema exibe lista das questões disponíveis. 3. Professor aciona a opção nova questão. 5. Sistema exibe tela de seleção do tipo de questão e de quantidade de alternativas. 6. Professor informa os dados e solicita continuar. 7. Sistema exibe a tela de cadastro da questão, conforme o tipo. 8. Professor informa o enunciado, alternativas (se houver) e seleciona a unidade da disciplina. 9. Se os dados estiverem corretos, o sistema salva a questão, caso contrário exibe mensagem de alerta.
89
Fluxo Alternativo - Alterar Questão 1. Professor seleciona o cadastro de questões. 2. Sistema exibe lista das questões disponíveis. 3. Professor seleciona a questão a alterar. 4. Sistema exibe as informações da questão, permitindo alterar. 5. Professor efetua as alterações e confirma. 6. Se os dados estiverem corretos, o sistema salva a questão, caso contrário exibe mensagem de alerta. Fluxo Alternativo - Excluir Questão 1. Professor seleciona o cadastro de questões. 2. Sistema exibe lista das questões disponíveis. 3. Professor seleciona a questão a excluir e confirma. 4. Sistema exclui a questão.
Caso de Uso Manter Unidades Fluxo Principal - Incluir Unidade 1. Professor seleciona o cadastro de unidades. 2. Sistema exibe a lista das unidades. 3. Professor aciona a opção incluir unidade. 4. Sistema exibe a tela de informações da nova unidade. 5. Professor informa os dados e confirma. 6. Sistema salva a unidade. Fluxo Alternativo - Alterar Unidade 1. Professor seleciona o cadastro de unidades. 2. Sistema exibe a lista das unidades. 3. Professor seleciona a unidade que deseja alterar. 4. Sistema exibe a tela com as informações da unidade. 5. Professor efetua as alterações e confirma. 6. Sistema salva a unidade. Fluxo Alternativo - Excluir Unidade 1. Professor seleciona o cadastro de unidades. 2. Sistema exibe a lista das unidades. 3. Professor seleciona a unidade que deseja excluir e confirma. 4. Sistema pesquisa se há recursos associados à unidade. 5. Se não há recursos associados, sistema exclui a unidade. Fluxo de Exceção – Não Pode Excluir Unidade 1. No passo 5 do fluxo Excluir Unidade, se já existirem recursos associados, sistema não efetua a exclusão e exibe mensagem de aviso.
90
Caso de Uso Efetuar Cadastro Fluxo Principal 1. Professor solicita ingressar no ambiente, a partir da página principal do sistema. 2. Sistema exibe o formulário de inscrição. 3. Professor informa os dados e confirma. 4. Se o dados estão corretos, sistema registra o ingresso do professor, e marca seu cadastro como inativo, exibindo uma mensagem de confirmação para o professor. Fluxo de Exceção – Dados incorretos 1. No passo 4 do fluxo principal, se algum dado estiver incorreto, sistema exibe uma mensagem para o professor e volta a página do formulário.
Caso de Uso Aprovar Aluno Fluxo Principal 1. Professor solicita consultar a lista de alunos da turma. 2. Sistema exibe uma lista com todos os alunos. 3. Professor seleciona o aluno desejado e solicita aprovar o cadastro. 4. Sistema efetua a aprovação do cadastro do aluno no banco de dados. Fluxo Alternativo – Excluir Aluno 1. Professor solicita consultar a lista de alunos do ambiente 2. Sistema exibe uma lista com todos os alunos. 3. Professor seleciona o aluno desejado e solicita excluir o cadastro. 4. Sistema solicita confirmação da exclusão. 5. Professor confirma a exclusão do cadastro. 6. Sistema exclui o cadastro do aluno do banco de dados.
Caso de Uso Corrigir Questões Fluxo Principal 1. Professor seleciona a opção de correção de questões. 2. Sistema exibe a lista de questões pendentes de correção. 3. Professor seleciona a questão que deseja e solicita corrigir. 4. Professor marca a questão como certa ou errada. 5. Sistema salva a resposta.
91
CASOS DE USO DO AGENTE TUTOR
Caso de Uso Verificar Materiais Fluxo Principal 1. Agente verifica se existem materiais cadastrados para a turma. 2. Se não existem materiais, emite mensagem de alerta para o professor. 3. Se existem materiais, agente verifica se todas as unidades possuem materiais cadastrados. 4. Se existem unidades sem materiais cadastrados, agente exibe alerta para o professor. 5. Se todas as unidades possuem materiais cadastrados, o agente emite uma dica para o professor.
Caso de Uso Verificar Questões Fluxo Principal 1. Agente verifica se existem questões cadastradas para a turma. 2. Se não existem questões, emite mensagem de alerta para o professor. 3. Se existem questões, agente verifica se todas as unidades possuem questões cadastradas. 4. Se existem unidades sem questões cadastradas, agente exibe alerta para o professor. 5. Se todas as unidades possuem questões cadastradas, o agente emite uma dica para o professor.
92
Caso de Uso Verificar Alunos Fluxo Principal 1. Agente verifica o número de alunos novos na turma. 2. Agente verifica o número de alunos ociosos na turma. 3. Sistema retorna uma mensagem de alerta, se existem alunos novos. 4. Sistema retorna uma mensagem de dica, se existem alunos ociosos.
Caso de Uso Verificar Links Fluxo Principal 1. Agente verifica se existem links cadastrados para a turma. 2. Se não existem links, emite mensagem de dica para o professor. 3. Se existem links, agente verifica se todas as unidades possuem links cadastrados. 4. Se existem unidades sem links cadastrados, agente exibe dica para o professor. 5. Se todas as unidades possuem links cadastrados, o agente emite uma dica para o professor.
Caso de Uso Verificar Imagens Fluxo Principal 1. Agente verifica se existem imagens cadastradas para a turma. 2. Se não existem imagens cadastradas, sistema emite mensagem de alerta. 3. Se existem imagens cadastradas, o agente apresenta uma dica aleatória para o professor.
Caso de Uso Exibir Mensagem Fluxo Principal 1. O agente recebe o parâmetro da interface do sistema, indicando qual tela o professor está acessando. 2. De acordo com o contexto, o agente retorna a mensagem para a interface.
Caso de Uso Verificar Cadastro da Turma Fluxo Principal 1. Agente verifica se os dados da turma foram preenchidos. 2. Se os dados não foram informados, o agente bloqueia o acesso às opções de cadastro, e exibe a tela de cadastro da turma. 3. Se os dados foram informados, o agente libera o acesso às opções de cadastro para o professor.
Caso de Uso Verificar Ementa da Turma Fluxo Principal 1. Agente verifica se há unidades cadastradas para a turma. 2. Se não há unidades cadastradas, o agente bloqueia o acesso às opções de cadastro, e exibe a tela de cadastro da ementa. 3. Se há unidades cadastradas, o agente libera o acesso às opções de cadastro para o professor.
93
CASOS DE USO DO AGENTE PEDAGÓGICO
Caso de Uso Exibir Mensagem Fluxo Principal 1. Agente recebe o parâmetro da interface (o parâmetro indica qual tela o aluno está acessando, como materiais, links, ementa, etc.). 2. De acordo com o parâmetro, o agente busca uma mensagem para apresentar na tela.
Caso de Uso Avançar Unidade Fluxo Principal 1. Agente verifica o desempenho do aluno. 2. Se o desempenho do aluno for suficiente, o agente passa o aluno para a próxima unidade, registrando o desempenho no perfil e definindo novas questões. 3. Agente exibe mensagem de congratulação para o aluno.
Caso de Uso Indicar Material Fluxo Principal 1. Agente verifica o perfil do aluno. 2. Se o aluno for iniciante, o agente busca um material com classificação “básico”.
94
3. Se o aluno não for iniciante, sistema verifica o desempenho do aluno. 4. Se o desempenho do aluno estiver ruim, o agente busca um material com classificação “básico”. 5. Se o desempenho do aluno estiver regular ou bom, o agente busca um material com classificação “intermediário” ou “avançado”. 6. O agente apresenta o link para o material.
Caso de Uso Indicar Link Fluxo Principal 1. O agente verifica o perfil do aluno. 2. O agente seleciona um link para a unidade atual que o aluno está estudando. 3. O agente apresenta o endereço do link para o aluno acessar.
Caso de Uso Verificar Perfil Fluxo Principal 1. Agente verifica se o perfil do aluno está definido. 2. Se o perfil não está definido, o agente apresenta o questionário de perfil para o aluno preencher, e bloqueia o acesso às opções do sistema. 3. Se o perfil está definido, o agente libera o acesso a todas as opções do sistema.
Caso de Uso Definir Questões Fluxo Principal 1. O agente verifica o perfil do aluno. 2. Se a inteligência predominante do aluno for Lingüístico-verbal, o agente busca questões com essa classificação na base de dados. 3. Se a inteligência predominante do aluno for Lógico-matemática, o agente busca questões com essa classificação na base de dados. 4. Se a inteligência predominante do aluno for Vísuo-espacial, o agente busca questões com essa classificação na base de dados.
Caso de Uso Verificar Desempenho Fluxo Principal 1. O agente consulta o banco de dados para obter o número de acertos e o número de erros do aluno nas avaliações da unidade atual. 2. De acordo com o número de acertos e erros, o agente obtém o desempenho do aluno, em porcentagem.
Caso de Uso Verificar Questões Fluxo Principal 1. Agente verifica as questões respondidas pelo aluno. 2. Se o desempenho do aluno não for o suficiente, e o aluno já tiver respondido todas as questões, o agente define mais algumas questões para o aluno responder.
95
ANEXO II – DIAGRAMAS DE CLASSES
96
Classe AgenteAluno Classe que representa o agente pedagógico. Atributos - private int desempenhoAtual Desempenho (porcentagem) do aluno na unidade atual - private bool emitiuSaudacao Flag que indica que já emitiu a saudação (para não repetir) - private int estadoEmotivo Estado emotivo do agente (feliz, sério ou triste) - private bool perfilInformado Flag que indica se já preencheu o questionário de perfil - private bool respondeuQuestionario Flag que indica se o aluno terminou de responder ao questionário Métodos - public void AgenteAluno(Aluno aluno) Método construtor da classe - public int getEstadoEmotivo() Retorna o estado emotivo do agente - public bool isPerfilInformado() Retorna se já preencheu o questionário de perfil - public bool isRespondeuQuestionario() Retorna se o aluno terminou de responder ao questionário - public void setEstadoEmotivo(int estado) Define o estado emotivo do agente - public void setPerfilInformado(bool perfilInformado) Define se já preencheu o questionário de perfil - public void setRespondeuQuestionario(bool respondeu) Define se o aluno terminou de responder ao questionário - private string agradeceRespostaQuestionario() Método que invoca o agente a agradecer ao aluno pelo preenchimento do questionário
97
- private string apresentaAmbiente() Apresentação rápida do funcionamento do ambiente - private bool avancarUnidade() Método que avança o aluno para a próxima unidade de ensino - private void defineQuestoes() Método que define as questões para a avaliação do aluno - private string emiteApresentacao() Método que faz a apresentação do agente para o aluno - private string emiteAvaliacaoDesempenho() Método que invoca o agente a fazer uma consideração sobre o desempenho do aluno - private string emiteAvisoPerfil() Método que avisa que o questionário de perfil ainda não foi preenchido - public string emiteMensagem(int contexto) Emite uma mensagem para o aluno - private string emiteSaudacao() Método que emite uma saudação para o aluno - private string indicaLink() Método que define os links para indicar ao aluno - private string indicaMaterial() Método que define os materiais para indicar ao aluno - private string parabenizaProgresso() Método que emite uma mensagem de congratulação pelo progresso do aluno - private void verificaDesempenhoAtual() Verifica o desempenho do aluno na unidade atual - private void verificaQuestoes() Verifica as questões respondidas pelo aluno, se há necessidade de definir mais questões
98
Classe AgenteTutor Classe que representa o agente assistente do professor. Atributos - private int desempenhoAtual Desempenho (porcentagem) do aluno na unidade atual - private bool cadastroEmentaOK Flag que indica se há unidades cadastradas - private bool cadastroImagensOK Flag que indica se há imagens cadastradas - private bool cadastroLinksOK Flag que indica se há links cadastrados - private bool cadastroMateriaisOK Flag que indica se há materiais cadastrados - private bool cadastroQuestoesOK Flag que indica se há questões cadastradas - private Unidade[] unidadesSemLinks Unidades sem links cadastrados - private Unidade[] unidadesSemMateriais Unidades sem materiais cadastrados - private Unidade[] unidadesSemQuestoes Unidades sem questões cadastradas - private int qtdAlunosNovos Quantidade de alunos novos na turma - private int qtdAlunosOciosos Quantidade de alunos ociosos (não acessam a mais de 7 dias) - private int qtdAlunosTotal Quantidade de alunos cadastrados na turma - private int turmaStatus Status da turma (cadastrada ou não cadastrada)
99
Métodos - public void AgenteTutor(Professor professor) Método construtor da classe - public bool isCadastroEmentaOK() Retorna se há unidades cadastradas - public void setCadastroEmentaOK(bool status) Define se há unidades cadastradas - public string getMensagemAlunos() Método que retorna uma mensagem do agente sobre o cadastro dos alunos - public string getMensagemEmenta() Método que retorna uma mensagem do agente sobre o estado da ementa da turma - public string getMensagemImagens() Método que retorna uma mensagem do agente sobre as imagens - public string getMensagemLinks() Método que retorna uma mensagem do agente sobre os links - public string getMensagemMateriais() Método que retorna uma mensagem do agente sobre os materiais - public string getMensagemQuestoes() Método que retorna uma mensagem do agente sobre as questões - public string getMensagemTurma() Método que retorna uma mensagem do agente sobre o estado do cadastro da turma - public void verificarAlunosStatus(int turmaCodigo) Método que verifica quantos alunos são novos e quantos estão ociosos - public void verificarImagensStatus() Método que verifica o cadastro das imagens - public void verificarLinksStatus() Método que verifica o cadastro dos links - public void verificarMateriaisStatus() Método que verifica o cadastro dos materiais - public void verificarQuestoesStatus() Método que verifica o cadastro das questões
100
- public bool verificarTurmaEmenta() Método que verifica se as unidades da turma foram cadastradas - public int verificarTurmaStatus() Método que verifica se o cadastro da turma está correto
Classe Alternativa Classe que representa uma alternativa de uma questão. Atributos - private int codigo Código da alternativa - private string descrição Descrição da alternativa - private string resposta Resposta Métodos - public void Alternativa () Método construtor da classe - public void setCodigo(int codigo) Define o código - public void setDescricao(string descricao) Define a descrição - public void setResposta(string resposta) Define a resposta - public int getCodigo() Retorna o código - public string getDescricao() Retorna a descrição - public string getResposta() Retorna a resposta
101
- public void inserir() Método que insere uma nova alternativa - public void atualizar() Método que atualiza uma alternativa - public void excluir() Método que exclui uma alternativa
Classe Aluno Classe que representa um aluno. Atributos - private Date dataNascimento Data de nascimento Métodos - public void Aluno() Método construtor da classe - public void setDataNascimento(Date data) Define a data de nascimento - public Date getDataNascimento() Retorna a data de nascimento - public void alterarAtivo(int turma, bool ativo) Método que altera o ativamento para uma determinada turma - public void associarTurma(int turma) Método que associa o aluno a uma determinada turma - public void buscarPorTurma(int turma) Método que busca todos os alunos de uma turma
Classe Avaliacao Classe que representa uma avaliação do aluno. Atributos Não possui atributos
102
Métodos - public void Avaliacao() Método construtor da classe - public void buscar() Método que busca todas as questões para o aluno, da unidade atual - public void buscarPorTurma(int turmaCodigo) Método que busca todas as questões pendentes para uma turma
Classe Cidade Classe que representa uma cidade do Brasil. Atributos - private int codigo Código da cidade - private string nome Nome da cidade Métodos - public void Cidade() Método construtor da classe - public void setCodigo(int codigo) Define o código da cidade - public void setNome(string nome) Define o nome da cidade - public int getCodigo() Retorna o código da cidade - public string getNome() Retorna o nome da cidade - public void buscar(int codigo) Buscar todos os dados da cidade (pelo código) - public void buscarPorEstado(int estado) Método que busca todas as cidades de um Estado
103
Classe Estado Classe que representa um estado do Brasil. Atributos - private int codigo; Código do estado - private string nome; Nome do estado - private string sigla; Sigla do estado Métodos - public void Estado() Método construtor da classe - public void setCodigo(int codigo) Define o código - public void setNome(string nome) Define o nome - public void setSigla(string sigla) Define a sigla - public int getCodigo() Retorna o código - public string getNome() Retorna o nome - public string getSigla() Retorna a sigla - public void buscarTodos() Método que busca todos os Estados
Classe ForumMensagem Classe que representa uma mensagem de um tópico do fórum.
104
Atributos - private int codigo Código - private string titulo Título - private string descricao Descrição (texto) - private timestamp registro Data/hora do registro Métodos - public void ForumMensagem() Método construtor da classe - public void setCodigo(int codigo) Define o código - public void setTitulo(string titulo) Define o título - public void setDescricao(string descricao) Define a descrição - public void setRegistro(timestamp registro) Define a data/hora do registro - public int getCodigo() Retorna o código - public string getDescricao() Retorna a descrição - public string getTitulo() Retorna o título - public timestamp getRegistro() Retorna a data/hora do registro - public void buscar(int codigo) Método que busca todas as informações da mensagem - public void inserir()
105
Método que insere uma nova mensagem - public void excluir() Método que exclui uma mensagem
Classe ForumTopico Classe que representa um tópico do fórum. Atributos - private int codigo Código - private string titulo Título - private timestamp registro Data/hora do registro Métodos - public void ForumTopico() Método construtor da classe - public void setCodigo(int codigo) Define o código - public void setTitulo(string titulo) Define o título - public void setRegistro(timestamp registro) Define a data/hora de registro - public int getCodigo() Retorna o código - public string getTitulo() Retorna o título - public timestamp getRegistro() Retorna a data/hora de registro - public void buscar(int codigo) Método que busca todas as informações do tópico
106
- public void buscarMensagens() Método que busca as mensagens de um tópico - public ForumTopico[] buscarPorTurma(int turmaCodigo) Método que busca todos os tópicos do fórum da turma - public void inserir() Método que insere um novo tópico - public void excluir() Método que exclui um tópico
Classe Imagem Classe que representa uma imagem/lâmina histológica. Atributos Não possui atributos Métodos - public void Imagem() Método construtor da classe
Classe Link Classe que representa um link. Atributos - private int codigo Código do link - private string titulo Título - private string descricao Descrição - private string url Endereço Métodos - public void Link() Método construtor da classe
107
- public void setCodigo(int codigo) Define o código - public void setTitulo(string titulo) Define o título - public void setDescricao(string descricao) Define a descrição - public void setURL(string url) Define o endereço - public int getCodigo() Retorna o código - public string getTitulo() Retorna o título - public string getDescricao() Retorna a descrição - public string getURL() Retorna o endereço - public void buscar(int codigo) Método que busca todas as informações do link - public Link[] buscarPorTurma(int turma) Método que busca todos os links de uma turma - public void inserir() Método que insere um novo link - public void atualizar() Método que atualiza um link - public void excluir() Método que exclui um link - public bool podeExcluir() Verifica se pode excluir um link - public void atualizarUnidades() Atualiza o vínculo com as unidades
108
- public void registrarAcesso(int aluno) Registra o acesso de um aluno ao link
Classe Material Classe que representa um material. Atributos - private int nivel Nível do material (1 = Básico / 2 = Intermediário / 3 = Avançado) Métodos - public void Material() Método construtor da classe - public void setNivel(int nivel) Define o nível - public int getNivel() Retorna o nível
Classe MensagemAgente Classe que representa uma mensagem do agente do tutor. Atributos - private string mensagem Mensagem - private char tipo Tipo da mensagem (D = Dica / A = Alerta) Métodos - public void MensagemAgente() Método construtor da classe - public string getMensagem() Retorna a mensagem - public char getTipo() Retorna o tipo
109
- public void setMensagem(string mensagem) Define a mensagem - public void setTipo(char tipo) Define o tipo - public void addMensagem(string mensagem, bool quebrarLinha) Adiciona uma string à mensagem - public string printMensagem() Imprime a mensagem do agente, formatada de acordo com o tipo
Classe PerfilAluno Classe que representa o perfil de um aluno. Atributos - private int nivelLV Nível de inteligência Linguístico-verbal - private int nivelLM Nível de inteligência Lógico-matemática - private int nivelVE Nível de inteligência Vísuo-espacial Métodos - public void PerfilAluno() Método construtor da classe - public void setNivelLV(int nivel) Define o nível de inteligência Linguístico-verbal - public void setNivelLM(int nivel) Define o nível de inteligência Lógico-matemática - public void setNivelVE(int nivel) Define o nível de inteligência Vísuo-espacial - public int getNivelLV() Retorna o nível de inteligência Linguístico-verbal - public v getNivelLM() Retorna o nível de inteligência Lógico-matemática
110
- public int getNivelVE() Retorna o nível de inteligência Vísuo-espacial - public void buscar(int aluno) Buscar o perfil de um aluno - public bool perfilStatus(int aluno) Método que verifica se o perfil do aluno foi preenchido
Classe Professor Classe que representa um professor. Atributos - private char titulo Titulação - private string lattes URL do currículo Lattes - private bool admin Flag que indica permissão de administrador - private bool ativo Cadastro ativo Métodos - public void Professor() Método construtor da classe - public void setTitulo(char titulo) Define a titulação - public void setLattes(string lattes) Define o endereço do currículo Lattes - public void setAdmin(bool admin) Define se é administrador - public void setAtivo(bool ativo) Define se está ativo - public char getTitulo() Retorna a titulação
111
- public string getLattes() Retorna o endereço do currículo Lattes - public bool isAdmin() Retorna se é administrador - public bool isAtivo() Retorna se está ativo - public void alterarAtivo(bool ativo) Método que ativa/desativa um cadastro - public int buscarTurma() Método que busca o código da turma que o professor está associado
Classe Questao Classe que representa uma questão. Atributos - private int codigo Código - private string enunciado Enunciado - private char tipo Tipo: M = Múltipla Escolha / V = Verdadeiro ou falso S = Somatória / D = Descritiva / I = Análise de Imagem - private bool IMLinguistica Flag que indica se a questão trabalha a inteligência Linguístico-verbal - private bool IMLogica Flag que indica se a questão trabalha a inteligência Lógico-matemática - private bool IMVisual Flag que indica se a questão trabalha a inteligência Vísuo-espacial - private string anexo Nome do arquivo anexo Métodos - public void Questao() Método construtor da classe
112
- public void setCodigo(int codigo) Define o código - public void setEnunciado(string enunciado) Define o enunciado - public void setLinguistica(bool linguistica) Define se a questão trabalha a inteligência Linguístico-verbal - public void setVisual(bool visual) Define se a questão trabalha a inteligência Vísuo-espacial - public void setLogica(bool logica) Define se a questão trabalha a inteligência Lógico-matemática - public void setTipo(char tipo) Define o tipo - public void setAnexo(string anexo) Define o anexo - public int getCodigo() Retorna o código - public string getEnunciado() Retorna o enunciado - public char getTipo() Retorna o tipo - public string getAnexo() Retorna o anexo - public bool isLinguistica() Retorna se a questão trabalha a inteligência Linguístico-verbal - public bool isVisual() Retorna se a questão trabalha a inteligência Vísuo-espacial - public bool isLogica() Retorna se a questão trabalha a inteligência Lógico-matemática - public void buscar(int codigo) Método que busca todas as informações da questão
113
- public void buscarAlternativas() Método que busca as alternativas de uma questão - public Questão[] buscarPorTurma(int turma) Método que busca todas as questões de uma turma - public void inserir() Método que insere uma nova questão - public void atualizar() Método que atualiza uma questão - public void excluir() Método que exclui uma questão - public bool podeExcluir() Verifica se pode excluir uma questão - public void uploadArquivo(string arquivo) Método que efetua o upload de um arquivo
Classe QuestaoAvaliacao Classe que representa uma questão da avaliação do aluno. Atributos - private int numero Número da questão (para diferenciar questões repetidas) - private string resposta Resposta (somente para questões descritivas) - private bool respondida Flag que indica se a questão já foi respondida - private bool acerto Flag que indica se o aluno acertou a questão - private bool pendente Flag que indica se a questão está pendente de correção Métodos
- public void QuestaoAvaliacao() Método construtor da classe
114
- public void setNumero(int numero) Define o número - public void setResposta(string resposta) Define a resposta - public void setRespondida(bool respondida) Define se foi respondida - public void setAcerto(bool acerto) Define se o aluno acertou a questão - public void setPendente(bool pendente) Define se a questão está pendente de correção - public void getNumero() Retorna o número - public string getResposta() Retorna a resposta - public bool isRespondida() Retorna se foi respondida - public bool isAcerto() Retorna se o aluno acertou a questão - public bool isPendente() Retorna se a questão está pendente de correção - public void registrarResposta() Método que registra a resposta do aluno para a questão
Classe QuestaoPerfil Classe que representa uma questão do questionário de perfil do aluno. Atributos - private int codigo Código - private string enunciado Enunciado
115
- private string resposta Resposta - private int inteligencia Tipo de Inteligência: 1 = Linguistico-verbal / 2 = Lógico-matemática / 3 = Vísuo-espacial Métodos - public void QuestaoPerfil() Método construtor da classe - public void setCodigo(int codigo) Define o código - public void setEnunciado(string enunciado) Define o enunciado - public void setInteligencia(int inteligencia) Define o tipo de inteligência - public void setResposta(string resposta) Define a resposta - public int getCodigo() Retorna o código - public string getEnunciado() Retorna o enunciado - public int getInteligencia() Retorna o tipo de inteligência - public string getResposta() Retorna a resposta
Classe QuestionarioPerfil Classe que representa o questionário do perfil do aluno. Atributos - private int codigo Código da alternativa - private string descrição Descrição da alternativa
116
- private string resposta Resposta Métodos - public void QuestionarioPerfil() Método construtor da classe - public void gravar(QuestaoPerfil[] questoes) Método que grava as questões respondidas pelo aluno - public QuestaoPerfil[] buscar() Método que busca as questões ainda não respondidas
Classe Recurso Classe abstrata que representa um recurso (especializado em material ou imagem). Atributos - private int codigo Código - private string titulo Título - private string observacao Observação - private int acessos Número de acessos - private timestamp registro Data/hora do cadastro - private string arquivo Nome do arquivo Métodos - public void Recurso() Método construtor da classe - public void setCodigo(int codigo) Define o código
117
- public void setTitulo(string titulo) Define o título - public void setObservacao(string observacao) Define a observação - public void setAcessos(int acessos) Define o número de acessos - public void setRegistro(timestamp registro) Define a data/hora do cadastro - public void setArquivo(string arquivo) Define o arquivo - public int getCodigo() Retorna o código - public string getTitulo() Retorna o título - public string getObservacao() Retorna a observação - public int getAcessos() Retorna o número de acessos - public timestamp getRegistro() Retorna a data/hora do cadastro - public string getArquivo() Retorna o arquivo - public abstract void atualizar() Método que atualiza um recurso - public abstract void buscar(int codigo) Método que busca todas as informações de um recurso - public abstract void buscarPorTurma(int turma) Método que busca todos os recursos (imagens ou materiais) de uma turma - public abstract void excluir() Método que exclui um recurso
118
- public abstract void incrementarAcessos() Método que incrementa os acessos ao recurso - public abstract void inserir() Método que insere um novo recurso - public abstract bool podeExcluir() Método que verifica se pode excluir um recurso - public abstract void uploadArquivo(string arquivo) Método que efetua o upload de um arquivo
Classe TipoMaterial Classe que representa um tipo de material. Atributos - private string descricao Descrição Métodos - public void TipoMaterial() Método construtor da classe - private void setDescricao(string descricao) Define a descrição - public string getDescricao() Retorna a descrição - public void getTipoArquivo(string extensao) Método que retorna a descrição do tipo de material (conforme a extensão do arquivo)
Classe Turma Classe que representa uma turma de Histologia Bucal. Atributos - private int codigo Código da turma - private string curso Nome do curso
119
- private string período Período ou semestre - private string instituição Nome da instituição Métodos - public void Turma() Método construtor da classe - public void setCodigo(int codigo) Define o código - public void setPeriodo(string periodo) Define o período - public void setCurso(string curso) Define o curso - public void setInstituicao(string instituicao) Define a instituição - public int getCodigo() Retorna o código - public string getPeriodo() Retorna o período - public string getCurso() Returna o curso - public string getInstituicao() Retorna a instituição - public void buscar(int codigo) Método que busca todas as informações da turma - public void buscarPorAluno(int aluno) Método que busca a primeira turma de um aluno - public void inserir() Método que insere uma nova turma - public void atualizar() Método que atualiza uma turma
120
Classe Unidades Classe que representa uma unidade de uma turma. Atributos - private int codigo Código - private string descrição Descrição - private int ordem Ordem Métodos - public void Unidades() Método construtor da classe - public void setCodigo(int codigo) Define o código - public void setDescricao(string descricao) Define a descrição - public void setOrdem(int ordem) Defina a ordem - public int getCodigo() Retorna o código - public string getDescricao() Retorna a descrição - public int getOrdem() Retorna a ordem - public void alterarOrdem(int ordem) Método que altera a ordem de uma unidade (p/ cima ou p/ baixo) - public void buscar(int codigo) Método que busca todas as informações da unidade - public Unidade[] buscarPorTurma(int turma) Método que busca todas as unidades de uma turma
121
- public void inserir() Método que insere uma nova unidade - public void atualizar() Método que atualiza uma unidade - public void excluir() Método que exclui uma unidade - public bool podeExcluir() Verifica se pode excluir a unidade
Classe Usuário Classe que representa um usuário do sistema. Atributos - private int codigo Código do usuário - private string nome Nome - private char sexo Sexo - private string email E-mail - private string senha Senha - private string telefone Telefone - private bool online Flag que indica usuário online - private int acessos Quantidade de acessos - private timestamp cadastro Data/hora de criação do cadastro - private timestamp ultimoAcesso Data/hora do último acesso
122
Métodos - public void Usuario() Método construtor da classe - public void setCodigo(int codigo) Define o código - public void setNome(string nome) Define o nome - public void setSexo(char sexo) Define o sexo - public void setEmail(string email) Define o e-mail - public void setSenha(string senha) Define a senha - public void setTelefone(string telefone) Define o telefone - public void setAcessos(int acessos) Define o número de acessos - public void setOnline(bool online) Define se o usuário está online - public void setCadastro(timestamp cadastro) Define a data/hora de cadastro - public void setUltimoAcesso(timestamp ultimoAcesso) Define a data/hora de último acesso - public int getCodigo() Retorna o código - public string getNome() Retorna o nome - public char getSexo() Retorna o sexo
123
- public string getTelefone() Retorna o telefone - public string getEmail() Retorna o e-mail - public string getSenha() Retorna a senha - public int getAcessos() Retorna o número de acessos - public bool isOnline() Retorna se está online - public timestamp getCadastro() Retorna a data/hora do cadastro - public timestamp getUltimoAcesso() Retorna o ultimo acesso - public string getPrimeiroNome() Método que retorna o primeiro nome do usuário - public void alterarSenha(string novaSenha) Método que altera a senha do usuário - public bool emailExiste() Verifica se o e-mail já existe - public void alterarEstadoOnline(bool online) Método que registra o login/logout do usuário (define como online/offline) - public bool validar() Método que valida o login e senha do usuário no banco de dados - public void buscar(int codigo) Método que busca todas as informações do usuário - public void atualizar() Método que atualiza um usuário - public void excluir() Método que exclui um usuário
124
- public void inserir() Método que insere um novo usuário - public bool podeExcluir()
Método que verifica se pode excluir o cadastro
CLASSES DA CAMADA DE BANCO DE DADOS
Classe Conexao Classe de interface para uma conexão com o PostgreSQL. Atributos - private string conexaoString String de conexão com o PostgreSQL - private int conexaoID ID de conexão com o banco Métodos - public void Conexao() Método construtor da classe - public void conectar() Método para a conexão com o banco - public void desconectar() Método que encerra a conexão com o banco - public int getID() Método que retorna o ID da conexão
125
Classe Query Classe de interface para uma consulta SQL com o PostgreSQL. Um objeto Query não possui associação com um objeto Conexao. Apenas uma dependência. A razão disso é que podem existir vários objetos Query que usam o mesmo ID de conexão, ou seja, uma conexão para várias consultas, por razões de desempenho. Atributos - private int conexaoID ID de conexão com o banco - private string sqlString String de consulta - private int queryRes Resultado da consulta (resource) Métodos - private void criarConexao() Cria uma nova conexão - public void setConexaoID(int conexaoID) Define o objeto de conexão - private void setParam(variant parametro, variant valor) Passa o valor de um parâmetro da sql - public void setParamStr(string parametro, string valor) Passa o valor de um parâmetro da sql (valor string) - public void setParamInt(string parametro, int valor) Passa o valor de um parâmetro da sql (valor numérico) - public void setParamBool(string parametro, bool valor) Passa o valor de um parâmetro da sql (valor lógico) - public void executar(bool fechar) Método para executar a consulta - public void add(string sqlString) Método que define a string da consulta - public void limpar() Método para limpar a string de consulta
126
- public variant getProximo() Método que retorna o próximo registro da consulta - public int getRegistroCont() Método que retorna o número de registros da consulta - public variant[] getVetorRegistros() Método que retorna um vetor contendo todo o resultado da consulta
127
ANEXO III – TESTE DE INTELIGÊNCIAS MÚLTIPLAS
Questão S s n N
1. Gosta de consultar o dicionário para descobrir novas palavras. 2. Possui facilidade para rimar. 3. É bom para fazer sínteses (resumos). 4. Incorpora palavras novas ao seu falar. 5. Lembra-se de livros que leu. 6. É bom aluno em Língua Portuguesa. 7. Adora enigmas (coisas inexplicáveis, mistérios, coisas difíceis de se compreender), senhas, problemas lógicos.
8. Faz cálculos de cabeça. 9. Analisa dados (numéricos, estatísticos e outros) com facilidade. 10. Trabalha bem com médias, proporções e outros esquemas. 11. Percebe a geometria nos objetos e paisagens que vê. 12. Busca seqüência lógica nas idéias. 13. Não tem dificuldade para usar aplicativos ou linguagens matemáticas no computador como por exemplo: Excel.
14. Gosta de medir as coisas. 15. É bom aluno em Ciências Exatas (matemática, física, química, etc...). 16. Gosta de fotografar e filmar. 17. Sabe explicar caminhos. 18. Gosta de jogos de quebra-cabeça, labirintos e outras atividades parecidas. 19. Gosta de desenhar. 20. Aprecia desenhos, figuras, imagens gráficas. 21. É capaz de mudar sua perspectiva ao olhar objetos. 22. Gosta de rabiscar folhas. 23. É bom em fazer mapas.
128
ANEXO IV – ARTIGO
SISTEMA INTELIGENTE PARA ENSINO DE HISTOLOGIA BUCAL
Osmar de Souza Júnior
Rua Germano Montebeller, 633 – São Judas – CEP: 88303-540
Itajaí – SC – Brasil
Anita Maria da Rocha Fernandes, Drª
Rua Uruguai, 458 – Caixa Postal 360 – CEP: 88302-202
Itajaí – SC – Brasil
RESUMO
A Histologia tornou-se fundamental na prática da clínica médica. Muitos diagnósticos de doenças são baseados
em exames histológicos de amostras de tecido. No entanto, o corpo humano possui uma imensa variedade de tecidos,
tornando desafiador o processo de ensino-aprendizagem de Histologia. Para auxiliar os acadêmicos nesse estudo, os
sistemas computacionais têm sido grandes aliados. Sistemas de apoio ao ensino, com lâminas histológicas detalhadas,
estão disponíveis. Mas apesar desses sistemas apresentarem imagens com alto grau de definição e um conteúdo para
leitura, não se enquadram como sistemas de ensino-aprendizagem, porque não possibilitam o aprendizado efetivo do
estudante. Este projeto insere-se nesse contexto, pois buscou desenvolver uma solução que permita ao aluno estudar
através de um conjunto de materiais, disponibilizado pelo professor, e resolver exercícios, recebendo uma realimentação
sobre o seu estudo e desempenho. O sistema foi baseado numa solução Web, utilizando as tecnologias PHP e
PostgreSQL, para processamento e armazenamento das informações, respectivamente. A metodologia utilizada neste
projeto compreendeu cinco etapas. Na primeira etapa, Estudo, foi realizado um levantamento bibliográfico a fim de
adquirir o conhecimento necessário sobre as soluções similares e tecnologias que seriam utilizadas, objetivando
desenvolver uma solução mais adequada e eficiente que as existentes. Na segunda etapa, Modelagem, foi feita a
especificação do funcionamento da solução proposta, bem como a análise e o projeto do Sistema Tutor Inteligente. Na
terceira etapa, Desenvolvimento, realizou-se a implementação da solução modelada através da codificação das suas
funcionalidades em software e da prototipação do sistema. Na quarta etapa, Teste, foram realizados experimentos com o
protótipo tentando falseá-lo, com o objetivo de eliminar os erros existentes em sua modelagem ou desenvolvimento. Na
quinta e última etapa, Documentação, foi feito o registro de todo o projeto de pesquisa com a elaboração de uma
monografia e de um artigo científico. Espera-se que o sistema desenvolvido crie uma motivação maior no estudo de
Histologia, despertando no aluno um maior interesse e permitindo um aprendizado gradual e efetivo do mesmo.
129
ABSTRACT
Histology becomes fundamental in medical clinic practice. Many illness diagnoses are based on histological
examinations of tissue samples. However, human body has a wide variety of tissues becoming challenger the process of
teaching/learning histology. To assist students in this process, computational systems have been great allied. Systems to
assist teaching process, with detailed histological sheets, are available. But although these systems present images, with
a high degree of resolution and a content to read, they don’t be classified as teaching/learning systems, because they
don’t allow an effective learning to the student. This project is inserted in this context, looking for develop a solution
which allows the student to study through a set of materials, available by teacher; and solve exercises, receiving a
feedback about its own study and performance. The system was based on a web solution, using PHP and PostgreSQL
technologies, to process and store information respectively. The methodology used in this project has five phases. In
first phase, the Study, was done a bibliographical survey in order to acquire knowledge about similar solutions and
technologies that was used to develop a solution better than the others. In second phase, Modeling, was done
specification about the system, and analysis and intelligent tutoring system project. In third phase, Development, was
done the implementation of modeled system using codification of its functionalities and system prototype. In fourth
phase, Testing, were done experiments with the prototype in order to eliminate its errors. In fifth and last phase,
Documentation, was done a documentation about the entire project. The goal of this project is to create a better
motivation to Histology study, creating in the student an interest and allowing a gradual and effective learning.
Palavras-chave: Inteligência Artificial. Sistemas Tutores Inteligentes. Histologia.
1. Introdução
O estudo da Histologia abrange a arquitetura das células, ou seja, o modo como elas estão
organizadas no tecido, a função de cada uma e a interação com o meio extracelular (CORMACK,
1996).
Conhecer a Histologia permite definir a estrutura e função de um órgão e de um sistema. E
conhecer o aspecto normal de um tecido é fundamental para identificar estruturas alteradas, que
podem resultar em doenças. Uma modificação na estrutura de um tecido pode comprometer sua
função, comprometendo também o funcionamento do órgão, do sistema e até mesmo de todo o
organismo (MENDONÇA e LOPES, 2003).
Graças às novas tecnologias, a Histologia tornou-se uma parte central na prática da clínica
médica. Cada vez mais, os diagnósticos de doenças baseiam-se no exame histológico de pequenas
amostras de tecido, os quais podem ser agora obtidos de quase todas as partes do corpo através de
técnicas indolores e seguras de biópsia (PAIM, RODRIGUES e RODRIGUES, 2003).
130
Contudo, com a grande variedade de tecidos existentes no corpo humano, o processo de
ensino-aprendizagem de Histologia torna-se um desafio para professores e alunos, pois há
necessidade de criar habilidade nos acadêmicos que os capacitem a reconhecer e identificar
características específicas de cada tipo de tecido (CORMACK, 1996).
Para auxiliar os acadêmicos no estudo da Histologia, os sistemas computacionais têm sido
grandes aliados. Este projeto de pesquisa resumiu-se em construir um protótipo de Sistema Tutor
Inteligente para o ensino de Histologia Bucal. A razão da escolha pela disciplina de Histologia
Bucal foi decorrente da grande variedade de tecidos existentes no corpo humano, exigindo a
definição de um escopo para o trabalho. Outro motivo foi a disponibilidade de uma professora da
disciplina que auxiliou na aquisição dos materiais de estudo e exercícios, importantes para os testes
da solução desenvolvida.
Um dos objetivos de um STI é criar ambientes interativos, e para tanto, utilizou-se de
fundamentos de agentes inteligentes. A utilização de agentes em STIs permite criar ambientes
adaptados aos alunos, capazes de avaliar o desempenho dos alunos e traçar estratégias de ensino. Os
agentes possibilitam aos sistemas tutores uma maior interatividade com o aluno.
1.1. Justificativa
O desenvolvimento de um Sistema Tutor Inteligente se justifica porque esses sistemas
modelam o perfil do aluno, permitindo uma adaptação ao estilo de aprendizado de cada estudante,
uma vez que nem todos aprendem da mesma forma.
1.2. Metodologia
O desenvolvimento do trabalho proposto consistiu em cinco etapas. A primeira consistiu em
obter informações, através de uma revisão bibliográfica, sobre os conceitos e técnicas que cercam o
desenvolvimento de Sistemas Tutores Inteligentes e Agentes. Também foram avaliados alguns
sistemas de ensino de Histologia, para tentar prover maior qualidade no sistema proposto.
Na segunda etapa foi realizada uma avaliação das tecnologias necessárias (linguagens de
desenvolvimento, banco de dados e técnicas de Inteligência Artificial), que determinaram as
ferramentas de desenvolvimento do sistema. Esta etapa também consistiu na modelagem do
sistema, feita utilizando a linguagem UML (Unified Modeling Language), e na definição das
características e comportamentos dos agentes inteligentes.
131
A terceira etapa compreendeu o desenvolvimento, onde os casos de uso e as classes da
modelagem foram codificados para a linguagem PHP, e o banco de dados foi implementado.
Na quarta etapa foram feitos testes de funcionamento do sistema, buscando corrigir os erros
de implementação e procurando validar a implementação, cada classe e cada caso de uso, segundo a
modelagem definida. Não foram realizados testes com alunos ou professores.
Na quinta e última etapa, após a conclusão da modelagem e da implementação, foi realizada
a documentação do sistema, onde foi feito todo o registro do projeto de pesquisa, através da
elaboração de uma monografia e um artigo científico.
2. Discussão
Segundo Hall (1990 apud VAZ e RAPOSO, 2002), os Sistemas Tutores Inteligentes são
uma composição de diversas disciplinas como psicologia, ciência cognitiva e inteligência artificial.
O objetivo principal destes sistemas é a modelagem e a representação do conhecimento especialista
humano para auxiliar o estudante através de um processo interativo.
Os STI são programas que, interagindo com o aluno, modificam suas bases de conhecimento
(aprendem), percebem as intervenções do aluno e possuem a capacidade de adaptar as estratégias de
ensino de acordo com o desenrolar do diálogo. Caracterizam-se principalmente por construir um
Modelo Cognitivo do aluno, da interação, da formulação e comprovação de hipótese sobre o estilo
do aluno, suas ações, o seu nível de conhecimento do assunto e suas estratégias de aprendizagem
(VICARI e GIRAFFA, 2003).
Sistemas Tutores Inteligentes oferecem considerável flexibilidade na apresentação do
material e uma maior habilidade para responder às necessidades do usuário (estudante). Eles
procuram não apenas ensinar, mas como ensinar, aprendendo informações relevantes sobre o
estudante, proporcionando um aprendizado individualizado e tomando decisões pedagógicas sobre
como transmitir o material. Isto permite uma grande interatividade do sistema com o estudante.
Sistemas tutores inteligentes têm sido apresentados como altamente eficientes para a melhora do
desempenho e motivação dos estudantes (LIMA e ROSATELLI, 2003).
132
2.1. Utilização de Agentes em Sistemas Tutores Inteligentes
Agentes inteligentes estão sendo utilizados para implementar diversos sistemas STI (VAZ e
RAPOSO, 2002), uma vez que cada componente do ambiente pode ser implementado como um
agente independente, possuindo facilidades de interação com os outros agentes. A abordagem por
agentes possibilita o desenvolvimento de diferentes raciocínios e a integração de várias ações para
alcançar um determinado objetivo (MARIETTO, 1997 apud VAZ e RAPOSO, 2002). Além disso, a
utilização de agentes inteligentes é uma boa opção para reduzir o custo destes sistemas, pois eles
favorecem a modularização e a evolução.
Garcia e Sichman (2003) definem um agente como uma entidade real ou virtual, capaz de
agir num ambiente, de se comunicar com outros agentes, que é movida por um conjunto de
inclinações (sejam objetivos individuais a atingir ou uma função de satisfação a otimizar); que
possui recursos próprios; que é capaz de perceber seu ambiente (de modo limitado); que dispõe
(eventualmente) de uma representação parcial deste ambiente; que possui competência e oferece
serviços; que pode eventualmente se reproduzir e cujo comportamento tende a atingir seus objetivos
utilizando as competências e os recursos que dispõe e levando em conta os resultados de suas
funções de percepção e comunicação, bem como suas representações internas.
Ferreira e Bercht (2000) afirmam que uma aplicação interessante para o uso de agentes é a
educação e o treinamento. Os agentes autônomos projetados e desenvolvidos para dar apoio ao
aprendizado humano, interagindo com educadores e educandos, de tal forma a facilitar o seu
aprendizado, são chamados agentes pedagógicos.
Dowling (2000) afirma que agentes pedagógicos são agentes autônomos que apóiam o
aprendizado humano, interagindo com os estudantes no contexto de ambientes de aprendizado
interativos. Eles ampliam e melhoram o trabalho sobre Sistemas Tutores Inteligentes de várias
formas. São capazes de adaptar seu comportamento de acordo com o estado dinâmico do ambiente,
tendo a vantagem de buscar as oportunidades de aprendizado assim que elas surgem. Podem apoiar
tanto o aprendizado colaborativo quanto o individualizado, pois múltiplos estudantes e agentes
podem interagir num ambiente compartilhado.
2.1. Inteligências Múltiplas
Para conceber um sistema tutor, como o de ensino de Histologia Bucal, é necessário
identificar as inteligências múltiplas do ser humano, ou seja, as diferentes formas de pensar sobre as
133
coisas. É necessário criar uma gama de atividades para trabalhar as diferentes inteligências. Existem
basicamente nove tipos de inteligência no ser humano (TRAVASSOS, 2001):
• Lingüística: é a habilidade para usar a linguagem para convencer, agradar, estimular
ou transmitir idéias. É o tipo de capacidade exibida em sua forma mais completa
talvez pelos poetas;
• Lógico-matemática: é a habilidade para explorar relações, categorias e padrões,
através da manipulação de objetos ou símbolos, e para experimentar de forma
controlada; é a habilidade para lidar com séries de raciocínios, para reconhecer
problemas e resolvê-los. É a inteligência característica de matemáticos e cientistas;
• Visual/espacial: é a capacidade de formar um modelo mental de um mundo espacial
e ser capaz de manobrar e operar utilizando esse modelo. Exemplo: os marinheiros,
engenheiros, cirurgiões, pintores, escultores;
• Musical: é a capacidade voltada para a música. Esta inteligência se manifesta através
de uma habilidade para apreciar, compor ou reproduzir uma peça musical. Exemplo:
Leonardo Bernstein, Mozart.
• Corporal cinestésica: capacidade de resolver problemas ou de elaborar produtos
utilizando o corpo inteiro, ou partes do corpo. Exemplo: dançarinos, atletas,
cirurgiões e artistas.
• Interpessoal: capacidade de compreender outras pessoas: o que as motiva, como
elas trabalham, como trabalhar cooperativamente com elas. Exemplo: vendedores,
políticos, professores, clínicos (terapeutas) e líderes religiosos bem-sucedidos.
• Intrapessoal: é uma capacidade correlativa voltada para dentro. É a capacidade de
formar um modelo acurado e verídico de si mesmo e de utilizar esse modelo para
operar efetivamente na vida.
• Naturalista: Vivências significativas, junto ao meio ambiente, podem possibilitar ao
homem o reconhecimento dos objetos da natureza, a distinção dos elementos
vegetais, animais, minerais e, simbolicamente, reconhecer-se como dotado de um
corpo, com espaço ecológico integrante, integrado e integrador homem-natureza e
natureza-humana (GÁSPARI e SCHWARTS, 2002).
• Existencialista: A partir da reflexão sobre sua finitude, transitoriedade, condição de
transcendência, questões inerentes à sua própria existência, o ser humano amplia as
possibilidades de elevar-se além da realidade cotidiana, de extrapolar os limites
sociais, aos quais precisa resistir (GÁSPARI e SCHWARTS, 2002).
134
Todos os seres humanos possuem todas as inteligências. No entanto, algumas se sobressaem
em relação às outras. No sistema para ensino de Histologia Bucal, analisou-se a possibilidade de
exercitar três dessas inteligências: lingüística, lógico-matemática e visual/espacial.
3. Resultados
A arquitetura do sistema inteligente para Histologia Bucal constitui uma adaptação
simplificada da arquitetura proposta por Cristea e Tuduce (2002), conforme ilustrado na Figura 1.
De um lado está o professor, ou tutor, interagindo com o sistema através de um navegador
(browser). O agente do tutor atua como um assistente, agindo paralelamente as ações do professor
no sistema, e interagindo com ele através de mensagens na tela do navegador. O agente sempre
busca as informações da base de dados, para saber qual ação deve tomar. Do outro lado do ambiente
está o aluno, que também interage através de um navegador e, de forma semelhante, também possui
um agente agindo com ele através de mensagens. O agente do aluno busca as informações
necessárias no perfil do aluno, que é uma base de conhecimento que persiste informações relevantes
sobre o aluno, como suas preferências.
Figura 1. Arquitetura do sistema inteligente para ensino de Histologia Bucal
O sistema desenvolvido é composto de dois agentes inteligentes: o Assistente Pessoal do
Aluno e o Assistente Pessoal do Tutor. Os agentes foram desenvolvidos totalmente na linguagem
135
PHP, que pode ser considerada uma linguagem reativa, ou seja, um arquivo PHP só é executado
quando há uma requisição do servidor Web. Isso faz com que os agentes tenham características
particulares, um pouco diferentes de agentes desenvolvidos em Java, por exemplo. A ênfase do
projeto foi direcionada ao agente pedagógico, que é o agente do aluno.
3.1. Assistente Pessoal do Tutor
O Assistente Pessoal do Tutor (APT) oferece ao professor um auxílio nos cadastros dos
recursos necessários ao sistema, como materiais e questões, além de permitir ao professor um
acompanhamento dos alunos que estão cadastrados em sua turma. Os objetivos deste agente são:
• Manter uma estrutura de recuperação das informações necessárias;
• Monitorar o estado dos cadastros dos alunos;
• Monitorar o estado do cadastro da turma e da ementa;
• Auxiliar o professor nas interações com o sistema (cadastro de unidades, materiais,
questões, etc.), apresentando mensagens como dicas.
O agente do tutor não possui uma representação gráfica, como o agente do aluno. Consiste
em um assistente, e suas funcionalidades são mais básicas do que o agente do aluno, resumindo-se a
verificar o estado de cada recurso (materiais, questões, links e imagens) na base de dados e dar um
feedback para o professor, através de uma mensagem. A Figura 2 ilustra uma mensagem do agente
sobre o cadastro de materiais de estudo.
136
Figura 2. Tela de cadastro de materiais
3.2. Assistente Pessoal do Aluno
O Assistente Pessoal do Aluno (APA) possui características de um agente pedagógico
animado. Ele possui a aparência de um personagem feminino, com feições humanas e é capaz de
apresentar expressões faciais de alegria, seriedade ou tristeza, dependendo sempre do momento e do
desempenho do aluno. As funções deste agente, de forma geral, compreendem monitorar as ações
do aluno sobre o sistema, bem como acompanhar o seu desempenho nas atividades.
O agente pedagógico, assim como o agente do tutor, age quando é invocado, dentro de um
contexto. As suas expressões faciais mudam conforme o desempenho do aluno. Se o desempenho
estiver baixo, a expressão é de tristeza. Se o desempenho for regular, a expressão é de seriedade. E
se o desempenho for bom, a expressão é de alegria. Em alguns momentos a expressão do agente não
depende do desempenho, por exemplo quando o aluno acaba de entrar no ambiente, a expressão é
sempre de alegria, para fazer uma saudação. O agente sempre aparece de corpo inteiro, e transmite
as mensagens através de um balão de diálogo, conforme ilustra a Figura 3.
137
Figura 3. Agente pedagógico fazendo uma saudação ao aluno
A fim de apresentar uma solução para a tomada de decisão do agente, optou-se por utilizar
Sistemas Especialistas, que segundo Fernandes (2003) apresentam as seguintes vantagens:
• Possibilidade para construção de regras, o que aumenta sua flexibilidade e eficiência;
• Tomada lógica de decisões sob imprecisão ou na ausência de informações. Nos
sistemas tradicionais, o método de busca é baseado em um conhecimento codificado
anteriormente. Quando surge um novo conhecimento, faz-se necessário reescrever o
código. Já em Sistemas Especialistas pode-se recuperar novos fatos e regras e usá-los
sem modificar a estratégia de busca;
• Velocidade na determinação de problemas;
• A decisão está fundamentada em uma base de conhecimento;
• Estabilidade e flexibilidade.
A fim de determinar o algoritmo que envolve o processo de decisão do agente, optou-se por
realizar uma modelagem completa, com todos os caminhos possíveis, através de uma árvore de
decisão. Essa árvore, ilustrada na Figura 4, determina a maneira como o agente pedagógico toma as
suas decisões.
138
Nessa árvore de decisão, cada nó que contém uma pergunta representa uma verificação que
o agente faz, normalmente na base de dados. A partir de cada verificação, o agente tem a resposta
para aquela pergunta. A partir daí ele pode tomar apenas dois caminhos, para o SIM ou para o
NÃO. Esse caminho pode levar a uma nova pergunta (uma nova verificação) ou a uma resposta, que
é representada pelas folhas na árvore. Essas respostas indicam a ação que o agente toma para cada
caso.
Figura 4. Árvore de decisão do agente pedagógico
139
3.3. Exercício das Inteligências Múltiplas
No sistema desenvolvido os tipos de questões são: múltipla escolha, somatória, verdadeiro
ou falso, análise de imagem e questões subjetivas. Para se trabalhar com as diferentes inteligências
do aluno, os tipos de questões são os mesmos. O contexto da questão é que determina o tipo de
inteligência exercitada. A exceção para essa regra são as questões de análise de imagem, onde o
aluno tem que identificar as estruturas de uma célula. Esse tipo de questão exercita evidentemente a
inteligência visual.
A Tabela 1 ilustra os tipos de inteligência que o sistema desenvolvido trabalha. Para cada
inteligência segue alguns exemplos de exercícios, que correspondem a estratégias pedagógicas que
podem ser adotadas pelo agente tutor.
Tabela 1. Estratégias para desenvolver os tipos de inteligência
Inteligência Estratégias Lingüístico-verbal Questões descritivas onde o aluno possa expressar sua capacidade
lingüística (escrita) ou de interpretação. Visual-espacial Exercícios para o aluno identificar as estruturas de uma célula, ou
analisar uma foto, gráfico, etc. Lógico-matemática Exercícios que envolvam cálculo, problema lógico, enigma ou
envolvam a capacidade crítica do aluno (por exemplo, calcular o pH de células).
Na tela de cadastro das questões, existem três parâmetros que o professor pode definir para
classificar as questões. Esses parâmetros são textos explicativos que remetem aos três tipos de
inteligência trabalhados. Dessa forma, cada questão pode ser facilmente associada às inteligências
múltiplas, e também facilita a recuperação de uma questão de acordo com o perfil do aluno. Os
parâmetros utilizados são os seguintes:
• “Esta questão constitui um desafio, resolução de um problema lógico ou enigma,
interpretação de um gráfico ou envolve pensamento crítico do aluno”. Remete à
inteligência lógico-matemática.
• “Esta questão envolve a interpretação/análise de uma imagem, foto ou apresentação.
Ou envolve transferir um texto para desenhos, gráficos, ou quadros-síntese”. Remete
à inteligência visual-espacial.
• “Esta questão envolve habilidades do aluno como sintetizar, analisar, relatar,
descrever, desafios sobre interpretação de textos”. Remete à inteligência lingüístico-
verbal.
140
Essas opções são de múltipla escolha. O professor pode não marcar nenhuma, assim como
pode assinalar as três classificações. Dessa forma o professor não precisa conhecer os conceitos de
Inteligências Múltiplas, basta associar a questão àquelas classificações que melhor se adequar. A
Figura 5 ilustra um exemplo de cadastro de questão.
Figura 5. Tela de cadastro de questão
4. Conclusões
Este trabalho consistiu no desenvolvimento de uma solução Web para um Sistema Tutor
Inteligente. Através de uma pesquisa abrangente na literatura sobre os conceitos que envolvem o
desenvolvimento de STIs e agentes, optou-se por utilizar uma arquitetura própria e simplificada. O
141
motivo da adaptação decorre de que os Sistemas Tutores são complexos e demandam muito tempo
de desenvolvimento. Através de uma arquitetura própria conseguiu-se reduzir consideravelmente
essa complexidade, o que possibilitou criar um Sistema Tutor simples, contudo, funcional.
Através da aplicação de um agente pedagógico animado e de conceitos de Inteligências
Múltiplas, foi possível criar um ambiente de ensino-aprendizagem interativo e que consegue
adaptar-se aos diferentes estilos de aprendizagem de um aluno, que consistiu no objetivo principal
deste projeto de pesquisa.
Por fim, considerando-se que todos os objetivos específicos do trabalho foram alcançados,
observa-se a importância das contribuições que este trabalho proporciona, na medida em que
comprova ser possível a implementação de agentes inteligentes em PHP, que é uma linguagem
reativa, possibilitando no futuro a construção de arquiteturas e ambientes mais elaborados. Também
é possível concluir que a utilização dos conceitos de Inteligências Múltiplas é fundamental na busca
por criar ambientes adaptados às características individuais dos alunos.
Visto que a implantação não foi o objetivo deste trabalho, não foram levados em
consideração detalhes de desenvolvimento de sistemas que envolvem segurança de dados e
performance. O esforço foi direcionado na implementação dos casos de uso modelados e
principalmente sobre os agentes.
A partir dos resultados apresentados neste artigo constatou-se a necessidade de
aperfeiçoamentos e futuros trabalhos a fim de aprimorar a arquitetura proposta e fornecer suporte
mais amplo ao processo de tomada de decisão do agente. Desta forma pode-se destacar os seguintes
trabalhos futuros:
• Implementar o processo de tomada de decisão do agente utilizando uma técnica de
Inteligência Artificial mais abrangente, como Raciocínio Baseado em Casos, para que a
base de conhecimento possa ter um aprendizado;
• Implementar o exercício de outras Inteligências Múltiplas, além das três desenvolvidas
neste trabalho, para oferecer ao sistema um grau maior de adaptabilidade ao perfil do
aluno;
• Implementar um mecanismo mais flexível para a correção das questões, pois atualmente
uma questão é classificada como totalmente certa ou totalmente errada. O sistema não
avalia se uma questão está parcialmente certa, nem possibilita que o professor classifique
as questões subjetivas dessa forma;
• Adequar a interface do sistema, segundo os princípios de usabilidade de software.
142
7. Referências Bibliográficas
CORMACK, D.H. Fundamentos de Histologia. 1.ed. Rio de Janeiro: Guanabara Koogan, 1996. CRISTEA, P. D.; TUDUCE, R. Intelligent eLearning environments. In: 3-RD EUROPEAN CONFERENCE ON E-COMMERCE / E-ACTIVITIES / E-WORKING / E-BUSINESS, ON-LINE SERVICES, VIRTUAL INSTITUTES AND THEIR INFLUENCES ON AHE ECONOMIC AND SOCIAL ENVIRONMENT, 2002, Bucharest. Proceedings… Bucharest: E-COMM_LINE, 2002. DOWLING, C. Intelligent pedagogical agents in on-line learning environments. In: CONFERENCE ON EDUCATIONAL USES OF INFORMATION AND COMMUNICATION TECHNOLOGIES, 2000, Beijing, China. Proceedings… Beijing, China: 2000. FERNANDES, A. M. R. Sistemas Especialistas. In: FERNANDES, A. M. R. Inteligência Artificial: noções gerais. Florianópolis: Visual Books, 2003. ISBN: 85-750-2114-1. FERREIRA, L. F.; BERCHT, M. Agentes pedagógicos como apoio à avaliação de competência técnica em educação e prática médica. In: CONGRESSO IBEROAMERICANO DE INFORMÁTICA EDUCATIVA, 5., 2000, Viña Del Mar, Chile. Anais eletrônicos... Viña Del Mar, Chile: Universidad de Chile, 2000. Disponível em: <http://www.c5.cl/ieinvestiga/actas/ribie2000/papers/187/index.htm>. Acesso em: 08 maio 2005. GARCIA, A. C. B.; SICHMAN, J. S. Agentes e Sistemas Multiagentes. In: REZENDE, S. O. (org). Sistemas inteligentes: fundamentos e aplicações. Barueri, SP: Manole, 2003. ISBN: 85-204-1683-7. GÁSPARI, J. C.; SCHWARTS, G. M. Inteligências múltiplas e representações. Psicologia: Teoria e Pesquisa. Brasília, v.18, n. 3, 2002. ISSN 0102-3772. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-37722002000300004>. Acesso em: 24 jul. 2005. LIMA, D. R.; ROSATELLI, M. C. Um sistema tutor inteligente para um ambiente virtual de ensino aprendizagem. In CONGRESSO DA SOCIEDADE BRASILEIRA DE COMPUTAÇÃO, 23., 2003, Porto Alegre. Anais... Porto Alegre: 2003. MENDONÇA, V. L., LOPES, S. Por que estudar... Histologia?. [S.l.]: Saraiva, 2003. Disponível em: <http://www.editorasaraiva.com.br/biosonialopes/pdf/histologia.pdf>. Acesso em: 23 jul. 2005. PAIM, R. L., RODRIGUES, I. P. C., RODRIGUES, M. A. B. Sistema de auxílio ao ensino de Histologia. In: III Workshop de Informática Aplicada a Saúde do III Congresso Brasileiro de Computação, Anais.....Itajaí, Agosto de 2003. TRAVASSOS, L. C. P. Inteligências múltiplas. Revista de biologia e ciências da terra. Belo Horizonte, v. 1, n. 2, 2001. ISSN 1519-5228. Disponível em: <http://www.ihendrix.br/biologia/revista/inteligencias_multiplas.pdf >. Acesso em: 25 jun 2005. VAZ, F. F.; RAPOSO, R. Introdução à ciência cognitiva. Rio de Janeiro: [s.n.], 2002. Disponível em: <http://www.nce.ufrj.br/ginape/publicacoes/trabalhos/RenatoMaterial/index.htm>. Acesso em: 22 abr. 2005.
143
VICARI, R. M.; GIRAFFA, L. M. M. Fundamentos dos Sistemas Tutores Inteligentes. In: BARONE, D. (org). Sociedades artificiais: a nova fronteira da inteligência das máquinas. Porto Alegre: Bookman, 2003. ISBN: 85-363-0124-4.