Sistemas Tutores Inteligentes

MACÁRIO COSTA

Exemplos de Sistemas Tutores Inteligentes

1 - Área de Matemática

Foram estudados vários STI voltados para o ensino de Matemática encontrados em livros, anais e trabalhos de pesquisa na área de STI.

O tutor inteligente do PACT (Pittsburgh Advanced Cognitive Tutor Center)
http://www-2.cs.cmu.edu/~pact/ O PACT da Universidade Carnegie Mellon de Pittsburgh, de interesse da Associação Americana de Psicólogos para a área da matemática, é um sistema já utilizado por de escolas americanas. Este tutor foi desenvolvido por um grupo de psicólogos liderados por John R Anderson. (CLA, 1998). Nos anos setenta, Anderson desenvolveu um modelo cognitivo denominado Teoria do Controle Adaptável de Pensamento. Segundo esta teoria, a cognição surge da interação de conhecimento declarativo e conhecimento processual. Para testar a teoria, desenvolveu um software para resolver tarefas cognitivas. O modelo foi aplicado a uma prova de geometria e passou no teste de simulação de computador tornando-se a base para os seus tutores inteligentes.

Neste modelo os tutores possuem uma base de conhecimento necessário para dominar um determinado assunto, mais algumas regras que representam a maioria dos erros comuns aos estudantes. O tutor mantém um registro de quais regras processuais são dominadas pelo aprendiz. O perfil de estudante é constantemente atualizado e estes registros permitem ao tutor seguir o pensamento do estudante permitindo a antecipação do seu próximo movimento.

Atualmente estão disponíveis os sistemas para o estudo de geometria e álgebra I e II. O diretor do PACT, Anderson e seus co-diretores Albert T. Corbett, e Ken Koedinger esperam expandir o uso de seus tutores para outros assuntos.

O tutor inteligente da UOC (Universidade Oberta de Catalunya) http://www.uoc.es/web/esp/index.html Desenvolvido na Universidade Oberta da Catalunya (Engenharia Técnica de Informática) este tutor inteligente é descrito por sua caraterística de combinar os livros eletrônicos e a tutoria on-line. O sistema foi apresentado em um congresso sobre tecnologia e educação, nos Estados Unidos, em outubro de 1999 (AMB, 1999).
Em sua primeira versão (etapa experimental), o conteúdo modelado foi Matemática discreta. A ferramenta está modelada para que o estudante utilize a Internet (International O twork) como meio, trabalhe de forma interativa e com recursos multimídia (sons, imagens, linguagem de hipertexto e gráficos). A forma de livro eletrônico permite visualizar os problemas na tela do computador, navegar interna e externamente, visualizar gráficos e imagens e efetuar a interação via linguagem de hipertexto.

Com uma função específica para interagir, é possível sublinhar textos, fazer anotações e comentários ou compartilhar o livro com o professor (as perguntas e dúvidas do aluno aparecem no livro do tutor quando o sistema está conectado à Internet). O tutor inteligente pode reconhecer o nível cognitivo do estudante (compreensão do conteúdo) após um determinado tempo de interação aluno-sistema. O livro se adapta ao ritmo de trabalho do aprendiz. Agentes inteligentes se encarregam de gerir a evolução do aluno e de elaborar informes personalizados sobre o desempenho.

Atualmente o sistema pode criar simulações que ajudam o aluno a entender a dificuldade dos problemas relativos ao conteúdo escolhido (Matemática discreta). É uma forma de aprender jogando, os alunos participam ativamente já que o material predispõe ao usuário a uma atitude pró-ativa.

Os tutores inteligentes TEGRAM e TOOTEMA da USP (São Carlos)
http://dedalus.usp.br:4500/ALEPH/POR/USP/USP/TES/SCAN-F/2168925
O desenvolvimento de STI para a área de Matemática no Departamento de Computação e Estatística da USP, São Carlos, iniciaram os trabalhos em 1991. Foram criados o TEGRAM, um sistema para ensino de geometria plana para alunos de primeiro grau e o TOOTEMA, um ambiente de autoria para sistemas tutores inteligentes no domínio da Matemática, para alunos universitários.

Apresentavam como objetivos o desenvolvimento de tecnologias de Informática aplicada à Educação, com ênfase nos seguintes aspectos: sistemas de autoria - envolvendo o uso de multimídia, hipermídia, e www; Inteligência Artificial aplicada à Educação - envolvendo teoria e aplicações de sistemas tutores inteligentes e ambientes inteligentes de aprendizado.

O TOOTEMA (TOOl (ferramenta) para Tutores de Ensino de Matemática) é uma ferramenta que auxilia a construção de Sistemas Tutores Inteligentes - STIs - no domínio da Matemática, e tem por objetivo ajudar na tarefa de criar e gerenciar o Módulo do Domínio do ARQTEMA (uma arquitetura genérica para Sistemas Tutores em Matemática), acompanhando o autor (professor) na estruturação de grande quantidade de informações. Ao usuário-autor, a ferramenta de autoria fornece facilidades de organização do material instrucional, provê recursos de representação gráfica, visando a consistência e a qualidade do material, além de reduzir o tempo de construção de STI em subdomínios diferentes e, principalmente, de envolver mais diretamente o autor leigo na criação do sistema.

O módulo do domínio tem a forma de uma rede de conhecimento complexa, baseada no modelo proposto por Michener (MIC, 1978). Esta rede de conhecimento pode ser vista como uma forma estruturada de representação do conhecimento, que permite uma certa independência do domínio através do formalismo existente no modelo, ou seja, este modelo permite representar e manipular conhecimentos no domínio da Matemática através de redes envolvendo três categorias do conhecimento: conceitos, resultados e exemplos (NUN, 1995).

Os produtos da empresa Intelligent Tutor™ http://www.mathtutor.com/homevers.html
No endereço http://www.mathtutor.com/homevers.html são apresentados sistemas que abordam os seguintes tópicos da área de matemática: Pré-Álgebra, Álgebra 1, Geometria, Álgebra 2, Trigonometria e Introdução ao cálculo.

Para estes conteúdos, a empresa apresenta duas versões de sistemas. A versão Escolar e a versão para uso doméstico. Cada uma das versões está dividida em três módulos:

Módulo que apresenta os conceitos.
Os Conceitos são apresentados através de gráficos e de animações com a finalidade de ajudar a construir o problema. Tutores interativos são usados. Este componente mostra a real aplicação da matemática no universo.

Módulo com exercícios e revisão.
Neste módulo os estudantes podem revisar conceitos e princípios, além de abordar os conteúdos através de exercícios projetados por pedagogos.

Módulo que apresenta tópicos especiais.
Neste módulo são apresentados tópicos e áreas além do currículo de matemática convencional. É projetado para ajudar os estudantes a aprofundar os conceitos de matemática e desenvolver suas habilidades.

2 - Jogos Computadorizados

Interativos
Os jogos desenvolvidos para ambientes computadorizados, especialmente os jogos interativos, têm apresentado nos últimos anos um grau de evolução em sua performance, interfaces e técnicas de projeto. As aplicações de entretenimento interativo têm mostrado uma constante evolução, tendo se constituído em notórios espaços de absorção de inovações tecnológicas, tanto na área de Computação Gráfica (CG) quanto na área de Inteligência Artificial (IA).
A década de 1970 demarca o início e evolução para o surgimento de Pong
(http://www.gamesdomain.co.uk/faqdir/pong.txt), o primeiro jogo com grande sucesso comercial (BAT 2000). Na década seguinte, 1980, surgem os primeiros computadores de 16 bits, e assim os jogos computadorizados tiveram uma melhoria significativa, no que se refere à interface e à interação, se comparados aos seus concorrentes. Alguns jogos de simulação em três dimensões (3D) também surgiram neste período, como o Flight Simulator
(http://www.crosswinds.net/~andysflightsim). Um jogo considerado um dos grandes marcos da evolução tecnológica dos jogos surgiu na década de 90. Quake (http://www.quakeworld.com), da ID Software, foi o primeiro jogo em 3D real para PC’s, pois até então se utilizavam técnicas onde o ambiente 3D era apenas simulado. Isto é, se criava a ilusão de elementos tridimensionais, sem estes efetivamente sê-los.

Unreal (http://unreal.epicgames.com/), um jogo do mesmo estilo de Quake, lançado em 1998 pela empresa Epic Megagames, mostrou avanço significativo não só nas aplicações de técnicas de CG mas também no uso de técnicas de IA. Foram utilizadas tecnologias de IA baseada em regras, como as Finite State Machines (FSM) e Fuzzy State Machines (FuSM) (WOODCOCK, 2001), além da implementação da tecnologia de Extensible AI, que pode ser utilizada pelo usuário para modificar o nível de IA dos personagens inimigos, permitindo enorme flexibilidade. (estas técnicas serão descritas mais adiante).

As técnicas de CG e IA combinadas ampliam as possibilidades exploratórias dos jogos computadorizados tanto de entretenimento, como educacional (Cunha e Giraffa, 2001).

Para estes autores, o conjunto de técnicas que compõem o estado-da-arte, relativos ao uso de tecnologias de IA aplicado a jogos, é composto por:

Máquinas de Estados Finitos baseados em regras, como as Finite State Machines (FSM’s) e as Fuzzy State Machines (FuSM’s), são as tecnologias de IA mais utilizadas atualmente pelos projetistas de jogos computadorizados (WOODCOCK 2001), pois sua implementação é relativamente simples, além de serem técnicas já consolidadas no mercado de jogos computadorizados. Um jogo que utiliza FuSM’s é Call to Power ( http://www.calltopower.com), um jogo de estratégia onde o jogador controla civilizações, sendo que o perfil e os traços característicos de cada civilização foi modelado com a utilização de FUSM’s. A utilização de máquinas de estados finitos permite criar elementos com comportamentos relativamente complexos, como mostrado no jogo Unreal (http://www.unreal.com), onde os inimigos tomavam uma série de decisões baseadas nas ações do jogador;

IA Extensível desenvolvido através de linguagens de script, o jogador pode criar seus próprios oponentes e/ou modificar o nível de IA dos personagens inimigos. A forma como a IA Extensível é apresentada ao usuário vária de scripts semelhantes a linguagens como C e C++ até conjuntos de ordens que podem ser passadas ao elemento do jogo. Os scripts se baseiam em chamadas de funções definidas no sistema interno de IA do jogo. Vários jogos lançados nos últimos anos implementaram a técnica de IA Extensível, mantendo uma tendência que surgiu com Duke Nuke’em 3D ( http://www.dukeworld.com) e Quake (WOODCOCK, 2001);

Técnicas de Busca - o algoritmo A-Star (A*): dos algoritmos de busca disponíveis (busca em amplitude, busca em largura, entre outros), o A* é o mais utilizado em jogos computadorizados, sendo que os desenvolvedores de jogos fizeram suas próprias versões deste algoritmo, adaptando-o a cada projeto (WOODCOCK, 2001). Em geral, os desenvolvedores de jogos já possuem um certo domínio sobre as técnicas de busca, direcionando seu foco para implementações em casos específicos, como pathfinding associado com análise de terreno (terrain analysis), situação encontrada freqüentemente em jogos de estratégia, como por exemplo Age of Empires II: The Age of Kings ( http://www.ensemblestudios.com/aoeii/index.shtml), um jogo onde o jogador deve desenvolver civilizações antigas. A análise de terreno identifica pontos em mapas que podem dificultar o movimento dos elementos de um ponto para outro, como por exemplo pontes ou travessias entre montanhas. Uma boa análise de terreno pode produzir informações importantes para o sistema de pathfinding do jogo resolver problemas complexos de busca;

Redes Neurais e Algoritmos Genéticos: as redes neurais empregam uma interligação maciça de células computacionais simples denominadas “neurônios” ou “unidades de processamento”. As ligações entre os neurônios, também chamadas de sinapses, possuem um valor associado, chamado de peso sináptico, que é utilizado para armazenar o conhecimento adquirido. Existem alguns projetos que exploraram combinações entre algoritmos genéticos e redes neurais, como é o caso de NeuralBot ( http://www.botepidemic.com/neuralbot), um oponente especialmente criado para ser utilizado no jogo Quake II (http://www.quakeworld.com). Este oponente utiliza uma rede neural para controlar suas ações e um algoritmo genético para “treinar” sua rede neural. Isto faz com que o oponente seja totalmente autônomo, sem nenhuma espécie de comportamento pré-programado;

Software Development Kits (SDK’s): um enfoque que está sendo explorado atualmente é a utilização de Software Development Kits (SDK’s), ou simplesmente toolkits, específicos em uma ou mais técnicas de IA, que auxiliam na utilização destas técnicas, agilizando o processo de desenvolvimento da aplicação. Alguns SDK’s foram criados especificamente para serem utilizados em jogos, enquanto outros têm um escopo de utilização mais genérico. Como exemplos de SDK’s disponíveis no mercado podemos citar: Motivate (http://www.motion-factory.com), Spark! (http://www.louderthanabomb.com) e DirectIA (http://www.animaths.com).

Jogos Computadorizados implementados com agentes

Como exemplo de jogos que utilizam agentes reativos, podemos citar Guimo (http://www.jackbox.com/guimo), um jogo lançado em 1997 pela empresa brasileira Jack in the Box Computing. Os agentes foram construídos seguindo o princípio das HFSM’s. A HFSM possui estados como Vagar, Retroceder e Atacar, sendo que cada um destes “macro-estados” possuía uma FSM interna, que executava as ações especificadas.

Poucos jogos interativos incorporam a tecnologia de agentes cognitivos, como por exemplo podemos citar Black and White (http://www.lionhead.com/unshocked/bw), um jogo lançado pela LionHead em 2001. Os agentes foram modelados com base em uma arquitetura Belief-Desire-Intention (BDI). O agente recebe um “inventário” de localizações de determinados pontos. Dessas descrições, o agente cria então “opiniões” sobre quais os tipos de objetos são mais adequados para satisfazer seus objetivos e desejos (Cunha e Giraffa, 2001).

Segundo Nareyek (2001), os agentes híbridos utilizam um sistema de planejamento, que não é executado em tempo real (off-line), para a geração de planos em alto nível de abstração, enquanto decisões sobre alternativas de refinamento menos significativas de passos de planos são tratadas por sistemas reativos.

Como exemplo da utilização de agentes híbridos, cita-se o Multi-Cooperative Environment – MCOE (http://www.inf.pucrs.br/~giraffa/mcoe/mcoe.html), um jogo educacional multimídia, desenvolvido como protótipo da tese de doutorado de Giraffa (Giraffa e Viccari, 1999). O trabalho propôs modelar um Sistema Tutor Inteligente (STI) através do uso da tecnologia de agentes utilizando uma arquitetura de Sistemas Multiagentes (SMA). O STI é concebido como um SMA híbrido composto por um ambiente reativo e um núcleo cognitivo, que interagem entre si de maneira a ampliar as informações quantitativas e qualitativas dos alunos que utilizam o sistema de maneira a permitir ao tutor selecionar estratégias de ensino mais adequadas a um determinado tipo de aluno.

Segundo Nwana (1994), Russel e Norvirg (1996), os agentes são caracterizados por uma série de atributos. Comparando as propostas dos dois autores, podemos destacar algumas propriedades importantes que podem ser incorporadas aos agentes:

Autonomia: se refere ao princípio que agentes podem operar de forma independente, sem a necessidade de intervenção humana constante;

Reatividade: se refere a capacidade de reação do agente aos estímulos do ambiente;

Comunicação (cooperação): para que os agentes cooperem em um ambiente multiagente, eles devem possuir a habilidade de se comunicar com outros agentes ou possivelmente humanos através de alguma linguagem/protocolo de comunicação;

Nos últimos anos, notou-se através da publicações na literatura a respeito de Inteligência Artificial Aplicada à Educação (IAED), o surgimento da noção de agentes pedagógicos a partir do desenvolvimento de sistemas para fins educacionais e estes adotarem o paradigma de agentes. Estes agentes incorporam muitas características dos agentes utilizados em ambientes lúdicos (jogos). Agentes pedagógicos podem ser divididos em:

goal-driven: agentes guiados por objetivos. São utilizados como tutores, mentores e assistentes Os agentes goal-driven na Web possuem mobilidade e operam em diferentes contextos. A interação acontece baseada no processo cooperativo ou competitivo no qual agentes artificiais e agentes humanos se comunicam e realizam atividades;

utility-driven: agentes guiados pela sua utilidade no ambiente. Os agentes utility-driven são utilizados como agentes que realizam tarefas auxiliares ligadas às atividades pedagógicas.

A utilização de agentes em projetos de ambientes educacionais, e por conseguinte jogos educacionais, se deve às propriedades dos agentes que permitem ganho de qualidade do ponto de vista pedagógico. Com essa tecnologia é possível construir simulações viáveis e com menos custo computacional. É possível criar ambientes cuja interface não se apresenta igual para o aluno. Permite, também, oferecer ambientes com maiores possibilidades de percepção e exploração do contexto de um problema (Giraffa, 2001).

voltar