Date post: | 11-Apr-2023 |
Category: |
Documents |
Upload: | independent |
View: | 0 times |
Download: | 0 times |
UNIVERSIDADE EDUARDO MONDLANE
FACULDADE DE ENGENHARIA
DEPARATAMENTO DE ENGENHARIA ELETROTÉCNICA
LICENCIATURA ENGENHARIA INFORMÁTICA-PL
Projecto integrado de aplicativos
Sistema tutor inteligente para ensino
de matemática
Caso de estudo: Escola Secundária de
Guaza Muthini
DISCENTE: Manoco, Sustino Júlio
UNIVERSIDADE EDUARDO MONDLANE
FACULDADE DE ENGENHARIA
DEPARATAMENTO DE ENGENHARIA ELETROTÉCNICA
LICENCIATURA ENGENHARIA INFORMÁTICA-PL
Projecto integrado de aplicativos
Sistema tutor inteligente para ensino
de matemática
Caso de estudo: Escola Secundária de
Guaza Muthini
DISCENTE: Manoco, Sustino Júlio
SUPERVISOR: Dr. Yacub Mussa
Resumo
Este trabalho tem como principal objectivo propor um
sistema tutor inteligente para ensino de matemática. Os
sistemas tutores inteligentes em alguns países têm se
mostrado uma alternativa para auxiliar o professor no
processo de ensino aprendizagem. O ensino da matemática no
nosso país não é nada fácil por isso é benéfico ter um
sistema automatizado que pode ajudar muito o
desenvolvimento do aluno. Neste trabalho foi modelado o
protótipo do sistema tutor inteligente usando sistemas
multiagentes.
I
Índice
Resumo....................................................I
Lista de abreviaturas..................................III
Índice de figuras.......................................IV
Capitulo I: Introdução...................................4
1.1. Definição do problema..............................2
1.2. Justificativa......................................3
1.3. Estrutura do trabalho..............................4
1.4. Objectivos.........................................4
1.4.1.Objectivo geral.................................4
1.4.2.Objectivos específicos..........................4
Capitulo II: Metodologia.................................5
2.1. Metodologia de Abordagem...........................5
2.2. Método de Levantamento de dados....................5
a) Observação participativa...........................6
b) Entrevistas Semi-Estruturada.......................6
2.3. Tipo de estudo.....................................6
2.4. Metodologia de desenvolvimento.....................7
2.4.1.Paradigma de programação........................7
2.4.2.Técnicas de modelação...........................7
2.4.3.Linguagem de programação........................7
2.4.4.Sistema de gestão de base de dados..............8
Capitulo III: Referencial teórico........................8
3.1. Historial..........................................8
3.2. Conceito de sistemas tutores inteligente...........9
3.3. Características dos sistemas tutores inteligentes. 10
3.4. Arquitectura de sistemas tutores inteligentes.....10
3.4.1.Modelo de tutor................................11
3.4.2.Modelo de Domínio..............................11
3.4.3.Modelo de estudante............................12
3.4.4.Modelo de interface............................13
3.5. Trabalhos relacionados............................14
3.6. Sistemas multiagentes.............................15
3.6.1.Conceito de Agentes............................15
3.6.2.Características dos agentes....................16
3.6.3.STI utilizando sistema multiagente.............17
Capitulo IV: Caso de estudo.............................17
4.1. Cenário actual....................................18
4.2. Modelação do sistema proposto.....................18
4.3. Implementação.....................................23
4.4 Desenvolvimento do protótipo.......................23
Capitulo V: Conclusões..................................27
Lista de abreviaturas
CAI Computer Aided Instruction
ESG Ensino secundário geral
ESG-1 Ensino Secundário geral do 1º ciclo
IA Inteligência artificial
ICAI Intelligent Computer - Assisted Instruction
SGBD Sistema de gestão de base de dados
STI Sistema tutor inteligente
TICs Tecnologias de informação e comunicação
UML Unified Modeling Language
Índice de figuras
Figura 1: Arquitectura básica de um STI.................11
Figura 2: Arquitectura proposta do STI..................19
Figura 3: Papel das entidades...........................20
Figura 6:Tela principal.................................24
Figura 7:Tela Login.....................................25
Figura 9: Ambiente de Resolução.........................25
Capitulo I: Introdução
Com a introdução das tecnologias de informação e
comunicação na educação surgem novas possibilidades e
desafios, que nos estimulam a pensar novas formas de
ensinar e de aprender, modificando a concepção de ensino-
aprendizagem. Vários são os sistemas computacionais que
auxiliam no processo de ensino encontrados na actualidade,
dentre estes pode-se citar os sistemas tutores inteligente
(STI), (Matusse, 2007).
Os Sistemas Tutores Inteligentes (STI) são sistemas
computacionais de auxílio ao ensino que usam técnicas
similares as de um professor visando à aprendizagem máxima
do aluno tais ambientes de ensino incorporam técnicas de
Inteligência Artificial, Psicologia Cognitiva.
Os STI podem aumentar o nível de interacção do aluno, à
medida que implementam estratégias para supervisionar as
suas acções e propor alternativas dinamicamente, de acordo
com os princípios e a proposta pedagógica do sistema.
Um STI aborda questões relacionadas ao que ensinar e como
ensinar, de forma a adaptar o ensino de um dado conteúdo às
necessidades do aprendiz, proporcionando um aprendizado
individualizado. Através da análise de informações
relevantes sobre as actividades do aprendiz que está sendo
tutorado, o tutor inteligente possibilita apresentar o
conhecimento de maneira compreensiva e autónoma.
No nosso país, nos últimos anos têm vindo a se verificar
elevados índices de reprovações no ensino secundário geral.
Essas reprovações acontecem devido ao rápido aumento de
alunos nas escolas secundárias o que gera a superlotação
das salas, podendo uma sala ter até 90 alunos e isso torna
o papel do professor difícil.
Nesse contexto, e no âmbito da implementação das
tecnologias de informação na educação seria benéfico para
os professores do (ESG) ter um mecanismo eficiente que
auxilie os professores no acompanhamento didáctico aos
alunos e que maximize o tempo de aprendizagem dos alunos e
assim aumentar a sua capacidade cognitiva.
Assim, este trabalho propõe a implementação de um sistema
tutor inteligente baseado na matemática para o 1º ciclo do
ensino secundário geral.
1.1. Definição do problema
Nos últimos anos nos pais têm vindo a se verificar elevados
índices de reprovações no ensino secundário geral
especificamente nas classes com exame. O rápido aumento de
alunos no nível secundário geral nos últimos anos e a falta
de professores, são um dos factores que contribuem para o
elevado índice de reprovações no país principalmente na
disciplina de matemática.
Outro grande factor é a superlotação das salas de aulas o
que torna o papel do professor mais complicado dado que
cada aluno tem o seu próprio ritmo de aprendizado, o
professor não consegue fazer um acompanhamento eficiente
das dificuldades apresentadas por cada aluno. Uma sala de
aulas actualmente pode contar com 90 alunos para uma aula
de matemática que dure 45 minutos se for uma aula simples e
90 minutos se for uma aula dupla.
Em entrevistas realizadas com alguns professores do 1º
ciclo do ESG, foi possível apurar algumas das dificuldades
dos alunos que são a seguir apresentadas:
Os alunos apresentam dificuldades nos cálculos que
envolvem operações com fracções, propriedade
distributiva, factor comum, Raiz e símbolos
preferenciais como parênteses que envolvem as operações
citadas;
Os alunos enfrentam também dificuldades para resolver
equações do 1º grau.
Outro problema identificado é o desinteresse dos alunos
quando se trata de matemática o que leva o aluno a prestar
menos atenção as aulas, menos atenção nos cálculos, e leva
o aluno a não cumprir com os deveres de casa. E também os
alunos alegam que os professores não explicam bem e não
resolvem todos exercícios na sala de aulas.
Mediante aos problemas apresentados, o presente trabalho
propõe a implementação de um Sistema tutor inteligente para
auxiliar o professor no processo de ensino da matemática e
incentivar o interesse pela matemática nos alunos.
1.2. Justificativa
Em sua pesquisa, a autora (Olívia Matusse, 2007) destaca a
necessidade de se construir ferramentas de ensino mais
actuais, práticos, eficientes e modernos recorrendo ao uso
das TICs.
E em conformidade do uso das TICs na educação a autora
(Ferreira, 2000) defende que uma das formas de caracterizar
o uso das tecnologias de informação e comunicação na
educação é através do uso dos sistemas tutores
inteligentes.
Nessa onda de ideias, o que motivou a escolha do tema é a
necessidade de se melhorar o processo de ensino e
aprendizagem, através da implementação de um sistema de
tutores inteligente e interactivo, recorrendo ao uso das
Tecnologias de informação e comunicação.
1.3. Estrutura do trabalho
O presente trabalho encontra-se dividido em 6 capítulos
distintos, sendo que o primeiro capítulo é referente a
introdução, definição do problema, objectivos do trabalho e
justificativa. O segundo é referente a metodologia usada
para a realização do trabalho que é dividido pela
metodologia de pesquisa e de desenvolvimento. O terceiro
capítulo é referente a revisão da literatura. O quarto
capitula esta directamente ligado ao caso de estudo, este
capítulo descreve a forma como foi modelado o protótipo do
sistema proposto. No capítulo 5 é onde estão as conclusões
do trabalho. O sexto e último capítulo contem as
referências bibliográficas e os respectivos anexos.
1.4. Objectivos
1.4.1. Objectivo geral
Proposta de implementação de um sistema tutor inteligente
baseado no ensino da matemática do 1º ciclo do ESG.
1.4.2. Objectivos específicos
Com vista a alcançar o objectivo geral do trabalho o mesmo
pode ser repartido da seguinte forma:
Identificar todas dificuldades inerentes ao processo
de ensino da matemática no ESG-1;
Abordar os conceitos de Sistemas tutores inteligentes;
Apresentar a arquitectura dos sistemas tutores
inteligentes;
Apresentar trabalhos relacionados aos STIs;
Identificar e recolher requisitos funcionais do
sistema proposto;
Desenvolver o protótipo do sistema tutor inteligente.
Capitulo II: Metodologia
Segundo (Lakatos, 2003) a metodologia de pesquisa
científica deve ser capaz de responder a um só tempo
perguntas tais como: como? Com quê? Onde? Quanto?
Neste contexto, para a realização deste trabalho é
necessário aplicar a metodologia de pesquisa bibliográfica
que é o tipo de pesquisa desenvolvida a partir de
referências teóricas que apareçam em livros, artigos,
documentos e outros trabalhos científicos aprovados e a
metodologia de desenvolvimento.
2.1. Metodologia de Abordagem
Dado o problema evidente na educação no nosso país que é o
fraco domínio da disciplina de matemática e a forma que o
trabalho será desenvolvido optou-se por uma abordagem
qualitativa por abordar o objecto de pesquisa sem a
preocupação de medir ou qualificar os dados colectados.
2.2. Método de Levantamento de dados
Para a obtenção de dados relativos ao ensino da matemática
e as dificuldades presentes nesse processo optou-se por se
usar os seguintes métodos:
a) Observação participativa
O objectivo fundamental deste método de pesquisa é
verificar como os alunos se comportam quando confrontados
com problemas relacionados a matemática e não como elas
dizem se comportar.
b) Entrevistas Semi-Estruturada
Caracteriza-se pela existência de um guião já preparado que
vai servir para dar directrizes no desenvolvimento da
entrevista. Este tipo de entrevista facilita na optimização
do tempo disponível, tratamento mais sistemático dos dados,
e permite a introdução de novas questões durante a
entrevista.
As entrevistas foram efectuadas na Escola Secundária de
Guaza Muthini durante a semana de 12/05 a 16/05 abrangendo
professores de matemática bem como os alunos da referida
escola.
Local Entrevistad
os
Objectivos Resultado Duração
Escola
secundári
a Guaza
Muthini
Professores
de
Matemática
Entender as
principais
dificuldades
que os
professores
enfrentam
para ensinar
a matemática
Apurou-se as
dificuldades
que os
alunos têm
em entender
a matéria
dada pelos
professores
30 Min
Escola
Secundári
a Guaza
Muthini
Alunos Entender as
dificuldades
dos alunos
na
disciplina
de
matemática
Apurou-se o
nível de
motivação
dos alunos.
1 Hora
Tabela 1. Resultado das entrevistas
2.3. Tipo de estudo
O tipo de estudo escolhido para o desenvolvimento deste
trabalho é o estudo de caso que é um método que enquadra-se
como uma bordagem qualitativa e frequentemente usado para
colecta de dados.
2.4. Metodologia de desenvolvimento
2.4.1. Paradigma de programação
Para o desenvolvimento do sistema proposto é necessário o
uso do paradigma de programação orientada a objectos porque
o desenvolvimento usando poo é regido pelas definições e
relacionamentos entre objectos que compõem o sistema a ser
desenvolvido, e neste o STI proposto é constituído por
modelos e cada modelo é considerado como uma classe que
terá suas acções bem definidas assim como atributos.
2.4.2. Técnicas de modelação
A técnica de modelação escolhida para este sistema é a
modelação baseada em objectos. A modelagem baseada em
objectos, apresenta-se como uma forma vantajosa de
proceder-se a análise, projecto e construção de modelos
matemáticos que, implementados em computador busquem
representar as principais características que se deseje
abstrair desse mundo. A metodologia conduz à reunião de
atributos (dados) e comportamentos (métodos) em um só
contexto e, ao mesmo tempo, leva a uma adequada separação
da análise do problema em si (domínio do problema) e a sua
implementação computacional (Lanna & Filho, 2003).
Ferramentas de desenvolvimento
As ferramentas usadas durante o projecto foram: o visual
paradigm para o desenho dos diagramas de caso de uso e
diagramas de sequência, o netbeans 7.2 para o desenho das
interfaces e o eclipse para a implementação do protótipo.
2.4.3. Linguagem de programação
A linguagem de programação escolhida para o desenvolvimento
deste projecto é o Java, primeiro por ser uma linguagem de
programação orientada a objectos e segundo porque ela
oferece recursos para a comunicação com Prolog que é uma
outra linguagem que será usada para a programação da base
de conhecimento.
2.4.4. Sistema de gestão de base de dados
O sistema de gestão de base de dados escolhido foi o MySql,
por ser um dos SGBD mais usado na actualidade e livre,
contribui para a escolha também pelas suas características
como a portabilidade, compatibilidade com diversas
linguagens de programação bem como o excelente desempenho e
estabilidade, pouco exigente a recursos de Hardware.
Capitulo III: Referencial teórico
3.1. Historial
Os sistemas tutores inteligentes têm uma história
interessante, originada na área de Inteligência Artificial.
No final dos anos 50 e princípio dos anos 60, muitos
pesquisadores tais como Alan Turing, Marvin Minsky, John
McMarthy e Allen Newell acreditavam que os computadores que
poderiam “pensar”, tal qual os seres humanos, e que
rapidamente se tornariam uma realidade (Russel & Norvig,
1995). No entanto, isso não aconteceu. Alguns pensavam que
o principal obstáculo à realização desse objectivo era a
necessidade de criação de computadores maiores e mais
rápidos. Parecia razoável assumir que, uma vez criadas as
máquinas que poderiam pensar, elas seriam capazes de
realizar qualquer tarefa que estivesse associada com o
pensamento humano.
Os Sistemas de Instrução Assistida por Computador (CAI)
foram o passo inicial na história dos Sistemas Tutores
Inteligentes.
Os STI nascem como iniciativa no propósito de tratar as
falhas dos sistemas generativos e podem ser vistos como CAI
dos anos 80.
Os sistemas CAI geravam problemas numéricos aleatórios e
resolvê-los automaticamente, comparando a solução do
sistema com a do estudante. No entanto, mesmo os sistemas
CAI devidamente programados não eram capazes de responder a
perguntas mais profundas do aluno a respeito de como foi
obtida a solução, ou seja, o sistema solucionava os
problemas através de algoritmos que nada tinham a ver com a
forma com é ensinado às pessoas, não podendo fornecer uma
explicação didacticamente útil da solução (Viccari, 1996).
O termo Sistemas tutores inteligentes surgiu por intermédio
do Sleeman e Brown no ano de 1982 para descrever os
sistemas ICAI (Instruções assistidas por computadores
inteligentes) e distingui-los dos sistemas CAI. Este termo
tinha uma suposição de como aprender focalizada em aprender
fazendo.
Estes sistemas facilitam o ensino/aprendizagem fazendo-o
mais efectivo, correcto e também mais agradável.
3.2. Conceito de sistemas tutores inteligente
Segundo Oliveira (2005), sistemas tutores inteligentes são
programas projectados para o ensino e que implementam
técnicas de inteligência artificial, com a finalidade de
conceber tutores que saibam ensinar.
No entanto, Viccari (VIC96) acrescenta que estes programas,
interagindo com o aluno modificam suas bases de
conhecimento, percebem intervenções do aluno, possuem
capacidade de aprender e adaptar estratégias de ensino
durante o processo de interacção com o aluno.
No entanto, podemos acrescentar que os sistemas tutores
inteligentes têm como objectivo complementar o tutor humano
ou professor, na medida em que estes sistemas oferecem a
possibilidade de acompanhar o aluno em cada passo de
aprendizado. Neste contexto, podemos afirmar que os STI
geram um ambiente de aprendizagem que motiva uma
participação activa do aluno.
3.3. Características dos sistemas tutores inteligentes
Segundo Caminha (2000), os STI são mais inteligentes que os
programas tradicionais porque possuem um comportamento mais
parecido ao de um professor, que flexibiliza a apresentação
de seu conteúdo instrucional de acordo com o perfil de cada
usuário.
Para Viccari (1996), estes sistemas caracterizam-se
fundamentalmente por construir um modelo cognitivo do
aluno, através da interacção, e através da formulação e
comprovação de hipóteses sobre o estilo cognitivo do aluno,
o seu nível de conhecimento do assunto e suas estratégias
de aprendizagem e na capacidade de formular uma estratégia
de ensino-aprendizagem adequada ao aluno e à situação do
momento.
Com base nas afirmações acima percebe-se que os STI não são
sistemas generativos, ou seja, não geram propostas de
exercícios para depois comparar as suas respostas e com as
de seus usuários.
Uma outra característica interessante destes sistemas é que
estes são capazes de interagir com vários alunos ao mesmo
tempo na resolução de um mesmo problema.
3.4. Arquitectura de sistemas tutores inteligentes
A arquitectura de um STI varia de uma implementação para
outra, para os autores Viccari (VIC96), Oliveira (OLI05) a
arquitectura básica de um tutor inteligente deve conter os
seguintes componentes.
Figura 1: Arquitectura básica de um STI
3.4.1. Modelo de tutor
O modelo tutor define e aplica uma estratégia de ensino
pedagógico, contém os objectivos a serem alcançados e os
planos para alcança-los.
Segundo Oliveira (2005), o modelo tutor permite a simulação
das decisões de um professor, um processo referente a
intervenções pedagógicas e, posteriormente, permite a
geração das instruções apropriadas baseando-se nas
diferenças entre o modelo do domínio e o modelo do
estudante. O modelo tutor possibilita acompanhar a
cobertura dos tópicos do domínio e analisa o entendimento
do aluno através de avaliações.
3.4.2. Modelo de Domínio
Neste modelo está armazenado todo o conhecimento que o
sistema tem sobre um determinado assunto. A principais
decisões tomadas neste modelo são como adquirir
conhecimento e como o mesmo ficara armazenado.
Segundo o autor Viccari (1996), o modelo de domínio é o
componente especialista do tutor, constituído pelo material
que será leccionado, por uma sistemática geração de
exemplos. Pela formulação de diagnósticos e pelos processos
de simulação.
O autor defende ainda, que a base de conhecimento do modelo
domínio é um componente chave do sistema tutor inteligente;
este modelo contém o conteúdo a ser ministrado. O facto de
esse conteúdo ser armazenado em uma base de conhecimento –
e não em uma base de dados convencional é o factor que
determina a diferença entre um STI e um sistema de
instrução assistida por computador. A base de conhecimento
deve facultar ao sistema a possibilidade de raciocinar
sobre a estrutura do conteúdo a ser ministrado.
A base de conhecimento do modelo de domínio é feita
recorrendo ao conhecimento declarativo e processual.
3.4.3. Modelo de estudante
O modelo de estudante é responsável por estabelecer perfil
de cada estudante, este representa o grau de conhecimento
do estudante faz o diagnóstico dos seus acertos e
dificuldades. O modelo de aluno tem a capacidade de adaptar
o STI as necessidades do aluno.
Este modelo deve ser capaz de identificar a capacidade
cognitiva do aluno. Deste modo o sistema poderá
proporcionar a estratégia de ensino mais conveniente e o
tipo de acções a seguir através da resolução de problemas.
Para Viccari (1996), este módulo 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 aluno.
Os dados dinâmicos referem-se ao desempenho do aluno face a
questões formuladas pelo tutor e confrontadas com as
hipóteses elaboradas pelo aluno, face ao uso que o aluno
faz do sistema e face aos novos conhecimentos que o aluno
pode vir a ensinar ao tutor.
O autor defende ainda que, são utilizadas técnicas para
construir o modelo do aluno.
As acções do modelo estudante sobre o modelo do domínio,
podem modelar-se através de conjuntos de regras que
permitem evoluir o conhecimento de cada estudante através
de diversos modelos, como o modelo “overlay” e modelos de
perturbação “buggs” (Viccari, 1996).
O modelo diferencial assume (implícita ou explicitamente)
que os erros ou comportamentos anómalos do aluno são sempre
devidos à ausência de alguma informação presente na base do
domínio.
Segundo Self (1988), este pressuposto é bastante simplista:
muitos comportamentos incorrectos originaram se da presença
de concepções incorrectas na mente do aluno. Com base
nisso, muitos sistemas adoptam modelos de perturbação.
No modelo de perturbação, existe a base do domínio e uma
biblioteca de erros típicos; o modelo do aluno inclui
elementos da base do domínio e da biblioteca de erros.
Estes modelos permitem um tratamento mais inteligente dos
comportamentos incorrectos do estudante; no entanto são
limitados, principalmente pela estrutura da biblioteca de
erros.
3.4.4. Modelo de interface
Para os autores Viccari (1996) e Oliveira (2005) este
modelo é responsável pela interacção entre o sistema e o
aluno. Este modelo deve ser capaz de mostrar informações
lógicas com o nível de aprendizado do aluno e manter a
coerência. No entanto, Caminha (2000) acrescenta que este
modelo deve facilitar a operacionalidade do sistema, bem
como, torna-lo atractivo e motivador.
Esta é no entanto uma das tarefas mais complexas no
desenvolvimento de qualquer que seja o Software, para os
STI a interface deve estimular a aprendizagem, buscando
estabelecer uma interacção simples e amigável.
Nesta arquitectura os modelos trabalham em conjunto para
proporcionar um ambiente de ensino mais próximo à de um
tutor humano.
3.5. Trabalhos relacionados
Alguns exemplos de STI desenvolvidos são:
SCHOLAR – este STI constitui um marco histórico na medida
em que é considerado o clássico dos STI. Este STI foi
projectado e construído pela equipe do Prof. Jaime
Carnobell, no BBN Bolt Beranek and Newman Inc – laboratório
de pesquisa em Cambridge, Massachusetts, no inicio da
década de 70.
Este STI serviu como base para realização de diversos dos
trabalhos relacionados aos STI.
O SCHOLAR é um sistema tutorial que pode conduzir a um
diálogo de iniciativa mista com o aluno. Seu objectivo é o
ensino de geográfica da América do sul e o conhecimento
está representado por uma rede semântica em cujos nodos
estão os objectos e conceitos g+
1 q
eográficos (Viccari, 1996).
Geometry Explanation Tutor – construído a partir do PACT –
Geometry tutor (Aleven, 2001). Este STI solicita que o
aluno explique, com suas próprias palavras, as respostas
aos problemas de geometria apresentados.
AutoTutor – é um STI que simula padrões de discurso e
estratégias educacionais de um típico tutor humano. Actua
no domínio de fundamentos de Hardware, sistemas
operacionais e Internet em disciplinas de introdução à
informática. O AutoTutor apresenta questões e problemas a
partir de um script, em seguida procura compreender as
contribuições colocadas pelo aluno e formula diálogos que
são sensíveis a estas contribuições.
jTutores – é um tutor inteligente projectado e construído
por Aniket Dahotre, este tutor permite aos estudantes
aceder aos tutorias criados pelos seus professores e
aprender sobre as APIs de java. Quando o estudante
selecciona um tópico para aprender, poderá ler a descrição
sobre o tópico escrito pelo professor. Depois da leitura o
estudante pode começar a usar o tutorial, que é combinação
de exemplos e problemas. O tutor oferece a possibilidade do
estudante testar o seu conhecimento sobre um API através de
problemas contendo espaços em brancos para o preenchimento
por parte do aluno. (Dahotre, 2011).
Em 1990, Viccari, apresentou o TUTOR-PROLOG, um tutor
baseado no modelo cognitivo que visa ensinar a linguagem
PROLOG. Este tutor foi implementado em PROLOG e funciona em
ambiente de microcomputadores. Uma versão mais actual onde
o enfoque principal é a depuração inteligente foi
implementada para Estação de Trabalho.
3.6. Sistemas multiagentes
3.6.1. Conceito de Agentes
Os autores Russell e Norvig, [RUS95] definem agentes como
sendo sistemas capazes de perceber, através de sensores, e
agir em um dado ambiente através de atuadores. Um Agente
Ideal é um agente que executa a acção considerando a
maximização de uma medida de performance que ele avalia a
partir de suas percepções do mundo.
Para Alvares e Sichman [ALV97], agente é uma entidade real
ou virtual, imersa num ambiente sobre o qual ele é capaz de
agir, que dispõe de uma capacidade de percepção e de
representação parcial deste ambiente, que pode se comunicar
com outros agentes e que possui um comportamento autônomo,
consequência de suas observações, de seu conhecimento e de
suas interacções com outros agentes. Além disso, pode-se
associar uma identidade única a um agente. Um agente pode
ser considerado como um meio que produz um certo número de
acções, a partir de seu conhecimento e dos mecanismos
internos que lhe são próprios.
3.6.2. Características dos agentes
Huhns e Singh (HUH97), Porto, Palazzo e Castilho (OR97) e
Hübner (HÜB95), apresentam características dos agentes, que
estão agrupadas a seguir:
a) Quanto à Autonomia/Design: podem funcionar sem
intervenção directa de operadores de qualquer tipo e
possuir controle sobre suas acções e seu estado interno;
b) Quanto à Habilidade Social: podem interagir com outros
agentes e com seres humanos por meio de algum tipo de
linguagem de comunicação;
c) Quanto à Reactividade: podem perceber o seu ambiente e
responder aos estímulos dele recebidos. Neste caso podem
ser reactivos ou cognitivos. Os agentes reactivos possuem
representação implícita, não têm história e o controle não
é deliberativo, ou seja, está baseado em um modelo de
organização biológica (como formigas), onde cada elemento
em si não possui inteligência, mas a colectividade sim. Já
os agentes cognitivos possuem uma representação explícita,
têm história, o controle é deliberativo e existe
organização social. Este tipo de agente, entre outras
coisas, planeja acções futuras, criando planos que tornam-
se mais um elemento dos estados mentais do agente;
d) Quanto à Iniciativa: além da capacidade de reagir ao
ambiente, podem exibir um comportamento orientado à
satisfação de seus objectivos;
e) Quanto à Continuidade Temporal: podem ser constituídos
de processos de execução contínua, podendo tanto estar
activo, quanto adormecido;
f) Quanto à Complexidade: podem ter capacidade de lidar com
tarefas complexas de alto nível, tomando decisões de
segmentá-la em sub-tarefas, quando necessário;
g) Quanto à Mobilidade: podem ser estáticos ou móveis.
Neste último caso devem ter a habilidade de movimentar-se
em uma rede, ocupando diferentes nodos e recursos ao longo
do tempo;
h) Quanto à Benevolência: não podem apresentar objectivos
conflituantes, sendo que cada agente irá sempre tentar
fazer o que lhe for pedido;
i) Quanto à Racionalidade: podem agir de forma a atingir
seus objectivos e não contra eles, pelo menos dentro do
alcance de suas crenças;
j) Quanto à Adaptabilidade: podem possuir a capacidade de
se adaptar aos hábitos, métodos de trabalho e preferências
de seus usuários;
k) Quanto à Colaboração/Cooperação: não podem executar
instruções de forma menos racional, devendo ter a
capacidade de interagir com outros agentes e com seres
humanos, recusando ordens que possam vir a acarretar algum
dano ao sistema;
3.6.3. STI utilizando sistema multiagente
As propostas de utilização de arquitecturas SMA em STI
trazem uma grande vantagem em relação às arquitecturas
tradicionais de STI: apresentam uma flexibilidade maior no
tratamento dos elementos que compõem o sistema. Além disso,
o fato de usar agentes para modelar os componentes de um
STI possibilita o agrupamento da arquitectura tradicional
(um módulo = um agente) ou na explosão de cada módulo.
Neste último caso, o refinamento pode chegar até os estados
mentais de um agente (GIR97).
Capitulo IV: Caso de estudo
O presente capítulo busca ilustrar, através do caso de
estudo que é a Escola Secundária Guaza Muthini,
dificuldades enfrentadas pelos professores de matemática
durante as aulas.
4.1. Cenário actual
Actualmente os professores da Escola secundária Guaza
Muthini enfrentam dificuldades pela ausência de um
mecanismo eficaz que os auxilie no processo de ensino. Os
professores são obrigados a cumprir com o plano
estabelecido na disciplina da matemática, isso faz com que
se preocupe menos com o desempenho do aluno durante as
aulas. Nos casos em que o professor se preocupa com o
desempenho dos alunos dificilmente consegue cumprir com o
programa da disciplina.
Actualmente os alunos enfrentam dificuldades para resolver
problemas simples como 25+36 que acabam dando um resultado
errado do tipo “5/11”, alguns não conseguem resolver uma
simples equação do tipo “3x+1=2”. Isto implica perder
minutos na aula para recordar o aluno a resolver fracções.
a) O professor deve manualmente elaborar exercícios para
o aluno resolver e fazer posteriormente fazer a sua
correcção no quadro.
b) O professor deve andar carteira por carteira observar
a forma como o aluno está resolver o exercício num
tempo de 90 minutos máximo numa turma com uma média de
80 alunos.
4.2. Modelação do sistema proposto
Para o cenário anteriormente descrito foi proposta a
seguinte arquitectura constituída essencialmente por
agentes como: modelo de interface, modelo de estudante,
modelo tutor, modelo de domínio e modelo cognitivo conforme
mostra a figura 2 abaixo.
Figura 2: Arquitectura proposta do STI
Descrição do papel das entidades
Da arquitectura foi possível identificar a forma como os
agentes comunicam, portanto a seguir é apresentada uma
descrição de como flui a informação na arquitectura
apresentada e os respectivos papéis de cada agente.
Figura 3: Papel das entidades
O Modelo de Interface actua como:
Expositor de dados para o aluno: toda informação que o modelo
tutor achar necessária mostrar o aluno é repassada a este
modelo.
Colector de informações: toda interacção do usuário, que o
modelo considere relevante é passa ao tutor, para que seja
encaminhada ao modelo de aluno.
O modelo de aluno
Recebe dados do aluno: quando o modelo tutor recebe uma
informação relevante encaminha para o modelo aluno.
O modelo Cognitivo
Verificador de exercícios: quando um determinado aluno da um passo
importante durante a resolução do exercício, o modelo tutor
processa essa informação e envia uma mensagem para o modelo
cognitivo.
Resolvedor de exercícios: o modelo de tutor pode achar necessário
mostrar a solução de um exercício que o aluno esteja a
resolver, enviando a mensagem para o modelo cognitivo para
que envie a solução do exercício.
O modelo de domínio
Como Localizador de objectos de Ensino: o modelo tutor do
STI pode precisar de um objecto de aprendizado distinto
pode ser um novo exercício, neste caso o modelo tutor envia
uma mensagem ao modelo de domínio para que forneça novo
exercício.
O modelo de tutor
Como Seleccionador de planos de ensino: informações do
aluno, características dos objectos de aprendizado,
disponibilidade de recursos são factores o modelo de tutor
leva em conta pra criar um plano de ensino adequado.
Fluxo de mensagens no sistema
O Agente Tutor pode enviar as seguintes mensagens:
Envia dados sobre Aluno: O agente interface encaminha
informações sobre mudanças no comportamento e
características do aluno, como um exercício concluído com
sucesso que deve ser actualizado na sua base de
conhecimentos.
Consulta Base sobre Informações do Aluno: O Agente Tutor
pode requisitar ao Agente Modelo Aluno algum dado
pertinente sobre o estudante que estiver usando o sistema
em determinado momento. Isso seria usado na criação de um
plano de ensino adequado ao aluno, por exemplo.
Requisita resolução de Equação: O Agente Tutor pode
requisitar, através de uma mensagem, a resolução, por
completo ou em parte, de uma equação problema que o aluno
esteja tentando solucionar.
Requisita Busca de Conteúdo, baseado nos Dados do Aluno: O
Agente Tutor pode requisitar um determinado conteúdo para
criação de um plano de ensino, baseando-se em
características do aluno que está usando o sistema.
Envia Conteúdo para Mostrar na Tela: O agente tutor, ao
receber um determinado Objecto de Aprendizado que havia
requisitado ao Agente Domínio, pode enviar tais informações
para a tela através de uma mensagem para o Agente
Interface.
Envia dados de interacção do aluno com interface:
Conforme o aluno interage dentro do sistema proposto,
informações relevantes são repassadas ao Agente Tutor, para
que este encaminhe ao Agente de Modelo do Aluno para a
devida actualização, que reflecte em maior precisão de
dados no momento de criação de um plano de ensino, por
exemplo.
O Agente de Modelo de Domínio pode enviar as seguintes
mensagens:
Envia conteúdo solicitado pelo Agente Tutor:
Quando o Agente Tutor requisita um determinado conteúdo, é
retornado um Objecto de Aprendizagem condizente com a
requisição através desta mensagem. Tal informação é
processada a agregada em um plano de ensino que o Agente
Tutor esteja criando, por exemplo.
O Agente de Modelo Cognitivo pode enviar as seguintes
mensagens:
Envia informação de resolução da base cognitiva:
Quando o agente tutor requisita a resolução ou validação de
uma equação, o AGENTE DE MODELO COGNITIVO envia os passos
da solução/validação através desta mensagem.
O Agente de Modelo de Aluno pode enviar as seguintes
mensagens:
Retorna informações sobre o aluno: Quando o agente tutor
requisita uma determinada informação sobre o aluno que está
utilizando o sistema, o agente modelo aluno retorna esta
informação através desta mensagem. É utilizada na
construção de planos de ensino por parte do agente tutor.
4.3. Implementação
O levantamento de requisitos será representado através da
Modelagem de objectos utilizando algumas representações da
UML conforme foi referido no capítulo da metodologia.
Lista de Requisitos
Requisitos funcionais do sistema
Ref Função Categori
aR
1.1
Avaliar estudante mediante exercícios Evidente
R
1.2
Informar o aluno sobre o conteúdo de cada
tópico
Evidente
R
1.3
Gerenciar acesso aos conteúdos de cada
tópico
Oculto
R
1.4
Atribuir respectivo tema de forma
incremental
Evidente
R
1.5
Mostrar exercício de acordo com o tema
escolhido pelo aluno
Evidente
4.4 Desenvolvimento do protótipo
O sistema proposto baseia-se numa aplicação desktop, onde
cada aluno poderá utilizar desde que esteja devidamente
cadastrado no sistema.
Agente interface
Este é um agente que interage directamente com o aluno.
Este agente controla o que será mostrado nos momentos de
inicio de sessão no sistema. Possui elementos como janelas,
botões e campos de entrada de dados.
Através deste agente são disponibilizados objectos de
interacção, a partir dos quais são capturados dados,
respostas, pedido de ajuda e outros eventos de interacção
com o aluno.
1º Apresentar uma tela de apresentação que permita o
usuário efectuar login ou em caso de dificuldade de usar o
sistema Pressionar o botão Como usar para um breve
tutorial.
Figura 4:Tela principal
Se o usuário pressionar o botão login aparecera uma tela de
para o preenchimento de credencias como esta:
Figura 5:Tela Login
Após efectuar o login o aluno terá que escolher um tópico
dos que estão disponíveis para poder resolver um exercício:
Figura 6: Ambiente de Resolução
Na imagem acima temos o exercício a ser resolvido, e um
campo que vai apresentar dicas do tutor quando o aluno pede
a dica, e um campo de mensagens tais como bom, excelente,
muito mau. O botão resolver gera a resolução do exercício
proposto.
Capitulo V: Conclusões
Sobre o objectivo geral
O objectivo geral deste trabalho foi a proposta de
implementação de um sistema tutor inteligente para ensino
de matemática no ESG-1. Para o desenvolvimento do STI foi
adoptada uma abordagem de sistemas tutores inteligentes
multiagentes.
Definiu-se como escopo do sistema o domínio de equações do
1º e 2º grau e operações com fracções.
E A utilização do sistema pode ser feita em aulas
extracurriculares. O objectivo é praticar e fixar os
conhecimentos que foram anteriormente adquiridos.
Sobre os STIs
O desenvolvimento dos STIs para educação é de grande
importância, pois possibilita o professor dinamizar as suas
estratégias de ensino. Partindo deste princípio, o
professor pode passar mais tempo a explicar a matéria
prevista no programa curricular da disciplina leccionada.
Mas no entanto, durante a modelagem do STI proposto foi
notório o facto de não existir um padrão para o
desenvolvimento deste tipo de sistema, o que torna o
desenvolvimento dos mesmos muito complexo.
Para além da inexistência de um padrão, o desenvolvimento
de STIs apresenta uma serie de dificuldades e desafio,
entre os quais pode salientar a representação do
conhecimento no modelo de domínio. E quanto ao desafio no
desenvolvimento dos STI é conseguir fazer com que estes se
comportem tal como um tutor/professor humano que é capaz de
levar em consideração estímulos como olfacto, tacto e visão
para poder organizar seu trabalho junto do aluno. No
entanto, isto, constitui uma limitação a nível de Hardware
e Software que não nos permitem colocar computadores que
possam trabalhar com aspectos relativos aos sentidos do
olfacto, tacto e visão.
Capitulo VI: Referências bibliográficas
1.
2. Caminha, A. d. (2000). MHITS - Um Sistema Tutor Inteligente em
Harmonia musical. Campina Grande.
3. HÜBNER, J. F. (1995). Migração em sistemas multiagentes
abertos. Porto Alegre: Dissertação de Mestrado.
4. Lakatos, E. M. (2003). Fundamentos de metodologia cientifica.
EDITORA ATLAS S.A.
5. Lanna, A., & Filho, J. (2003). O Paradigma da
Modelagem Orientada a Objetos.
6. Matusse, D. O. (2007). TICs na Educação: O Desafio de
Educar para Futuro.
7. Oliveira, C. L. (2005). AUTOEXPLC SISTEMA TUTOR
INTELIGENTE PARA AUXÍLIO AO ENSINO DA LINGUAGEM “C”.
Campinas.
8. Russel, S. J., & Norvig, P. (1995). Artificial Intelligence - A
Modern Approach. Alan Apt.
9. SELF, J. (1988). Artificial Intelligence and human learning.
London: Hall.
10. VanLenh. (2006). The behaviour of tutoring systems.
11. Viccari, R. M. (1996). Sistemas Tutores Inteligentes: uma
abordagem tradicional. Curitiba.
12. Videira, C. A., & Silva, A. M. (2001). UML,
Metodologias e Ferramentas CASE. Portugal: Centro Atlântico.