Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouIsaque Fortuna Alterado mais de 9 anos atrás
1
Agentes Pedagógicos para o ensino de Lógica com interações baseadas no perfil do aluno e em Objetos de Aprendizagens Disciplina: Engenharia de Software orientada a Agentes Prof. Dr. João Carlos Gluz Alunos: Fabiane e Daniel São Leopoldo, setembro de 2010
2
Tópicos do trabalho abordados:
1 – Resumo – Objetivo - Introdução 2 – Tecnologias Utilizadas 2.1 – Agentes Inteligentes 2.2 – OBAA e OBAAMILOS 2.3 – Ontologias – Domínio de Ensino – Estratégias de Aprendizagem – Perfil do Aluno 3 – Arquitetura dos Agentes 4 – Caso de Uso 5 – Considerações Finais 6 – Referências Bibliográficas
3
Resumo O presente trabalho tem como objetivo descrever a interação entre agentes pedagógicos para apoio no uso de objetos de aprendizagens (OAs) no ensino de Lógica a distancia. Esta interação baseia-se inteiramente em ontologias criadas para definir o perfil do aluno, as estratégias de aprendizagem e o conteúdo de Lógica. Com isso os agentes são capazes de conhecer o OA num determinado contexto e auxiliar o aluno de acordo com sua necessidade. Os OAs seguem o padrão OBAA de metadados.
4
Tecnologias Utilizadas – Agentes Inteligentes
Um agente é tudo o que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por intermédio de atuadores, conforme apresentado na figura abaixo:
5
Tecnologias Utilizadas – Agentes Inteligentes
Dentro das características básicas cognitivas, um agente deve ter: Autonomia; Sociabilidade; Proatividade; Reatividade.
6
Tecnologias Utilizadas – Agentes Inteligentes
Podemos empregar agentes inteligentes no âmbito da educação, por exemplo, por meio de sistemas tutores inteligentes, onde estes sistemas são responsáveis por aprender/coletar informações relevantes sobre o aluno a fim de auxiliá-lo de forma individualizada no aprendizado tomando decisões pedagógicas sobre a melhor maneira de como transmitir o conteúdo didático.
7
Tecnologias Utilizadas – Agentes Inteligentes
A figura abaixo descreve o modo como o sistema se relaciona com as ontologias, OAs e aluno.
8
Tecnologias Utilizadas - OBAA
O projeto de pesquisa OBAA busca identificar pontos de convergência entre as tecnologias de OAs e de Sistemas Multiagente de maneira que ambientes de aprendizagem tenham mais flexibilidade, adaptabilidade e interatividade. Nesse sentido o projeto busca uma abordagem nas quais OAs tenham sua construção baseados em agentes. O resultado a ser alcançado trata-se de um padrão para OAs interoperáveis (WEB e TV-Digital, com possíveis extensões para telefones móveis) para WEB e TV-Digital.
9
Tecnologias Utilizadas - OBAA
Critérios utilizados para implementação e projetar o padrão: Adaptabilidade e interoperabilidade: a mesma descrição de um OA pode ser usada de forma interoperável, adaptando-se as características das plataformas digitais como Web, TV Digital e dispositivos móveis. Compatibilidade: o padrão de metadados de OA deve ser compatível com o panorama de padrões internacionais. Acessibilidade: o padrão deve possibilitar o acesso aos OA por todos os cidadãos, inclusive aqueles com necessidades especiais. Independência e flexibilidade tecnológica: o padrão deve ser flexível e capaz de suportar as inovações tecnológicas, permitindo extensões sem perder a compatibilidade com o conteúdo já desenvolvido;
10
Tecnologias Utilizadas - OBAA
Assim, a proposta de padrão resultante desta análise foi definida de forma aberta e flexível, sendo compatível não só com o panorama de padrões educacionais e multimídia atuais, mas também assegurada através da definição da sintaxe XML e semântica dos metadados através de ontologias OWL, compatível com a Web Semântica.
11
Tecnologias Utilizadas - OBAAMILOS
Infraestrutura para Suporte a Objetos de Aprendizagem OBAA; O objetivo geral do projeto infraestrutura OBAAMILOS é criar as bases tecnológicas que permitam efetivar a adoção da proposta metadados de objetos de aprendizagem OBAA como o futuro padrão nacional para objetos de aprendizagem.
12
Tecnologias Utilizadas - OBAAMILOS
Onde inclui: O projeto e implementação de ferramentas tecnológicas de apoio ao padrão para, por exemplo, utilização, compatibilização e verificação. A elaboração e publicação de melhorias, correções, adições e atualizações do padrão, além da geração de conteúdos e materiais baseados no padrão.
13
Tecnologias Utilizadas - OBAAMILOS
Esta infraestrutura é extensivamente baseada no uso de agentes pedagógicos, sistemas multiagentes e ontologias. Em termos arquiteturais está dividida em três grandes níveis de abstração: Ontologias; Agentes; Serviços de interface.
14
Tecnologias Utilizadas - OBAAMILOS
A camada ontologias contêm além da ontologia de metadados OBAA, as ontologias sobre domínios de ensino e aplicações educacionais ou multimídia, todas construídas usando a ontologia OBAA como o vocabulário de termos básico. As ontologias contidas no nível de Ontologias deverão ser obrigatoriamente definidas em OWL.
15
Tecnologias Utilizadas - OBAAMILOS
A camada de agentes implementa as principais funcionalidades da MILOS, onde os seguintes sistemas multiagente implementados sobre JADE são previstos: Sistema de catalogação/Busca Federada de OA: cria e gerencia federações de catálogo de OAs, permite a busca dos metadados em toda a federação de forma transparente ao usuário; Sistema de Apoio Pedagógico: suporte para busca dependente do contexto e uso de estratégias de ensino; Sistema de Autoria: assistência para autoria de OAs multimídia e multiplataforma; Sistema de Gerência de OAs: gerenciamento e publicação de OAs nas distintas plataformas.
16
Tecnologias Utilizadas - OBAAMILOS
A camada de serviços oferece facilidades de interface para Web permitindo que os agentes e sistemas multiagente da MILOS possam ser acessados por ambientes e aplicações educacionais, além de permitir também que estes agentes tenham acesso aos repositórios de OAs, serviços de diretórios, plataformas de EAD, bancos de dados e servidores Web.
17
Tecnologias Utilizadas - Ontologias
Neste trabalho o paradigma adotado foi o de ontologia com semântica baseada em DL, sendo empregado para definir a semântica da linguagem OWL (Web Ontology Language) definida como o padrão para especificação de ontologias pelo W3C (World Wide Web Consortium), por possuir a flexibilidade de utilização e ampla adoção pela comunidade científica. Além disso, a linguagem OWL é uma recomendação da W3C para a especificação de ontologias de acordo com a iniciativa da Web Semântica.
18
Ontologia – Domínio de Ensino
O domínio de ensino discutido neste trabalho está contido na disciplina de Lógica que abrange a área de conhecimento das Ciências Exatas e da Terra. Num contexto mais focado o conteúdo descrito neste domínio de ensino tem como base o livro: Lógica para Computação, utilizado pelos cursos de graduação na Área de Computação da Universidade do Vale do Rio dos Sinos – UNISINOS, ofertada na modalidade à distância.
19
Ontologia – Domínio de Ensino
Esta disciplina objetiva o aprendizado dos conceitos da Lógica Proposicional e da Lógica de Predicados. Seguindo as orientações deste plano, a ontologia de conteúdos educacionais está estruturada em cinco níveis distintos: Área de Conhecimento; Disciplina; Tema estruturador; Unidade Temática; Item de ensino (Conteúdo).
20
Ontologia – Domínio de Ensino
A figura abaixo representa parcialmente a ontologia de conteúdo, mostrando a expansão da classe Unidade Temática que abrange cinco subclasses.
21
Ontologia – Estratégia Pedagógica
O plano de ensino abrange ainda em seu conteúdo, estratégias pedagógicas na articulação de sua estrutura. Desta forma, o domínio de ensino estudado está dividido em duas ontologias: de conteúdo e de estratégias pedagógicas. A combinação da ontologia de conteúdo mais a ontologia de estratégias pedagógicas formam o domínio de ensino que compreende a disciplina de Lógica.
22
Ontologia – Estratégia Pedagógica
Na ontologia de Estratégias de Aprendizagem temos: As metodologias, técnicas e recursos de ensino e aprendizagem. As metodologias, técnicas e recursos de avaliação;
23
Ontologia – Estratégia Pedagógica
Seguindo a estruturação do domínio de conteúdo, a ontologia das estratégias pedagógicas foi estruturada da seguinte forma: Objetivo; Habilidade; Conteúdo Disciplinar; Atividade; Perspectiva Metodológica; Avaliação.
24
Ontologia – Estratégia Pedagógica
25
Ontologias – Perfil do Aluno
Um perfil descreve uma pessoa, permitindo a identificação de dados pessoais, preferências, características, objetivos, entre outros. No ambiente educacional a descrição de perfis de alunos serve para permitir que se tenha um maior conhecimento da realidade e das necessidades do aluno, tornando assim, o sistema mais adaptativo. A idéia é que a partir da análise do perfil do aluno seja possível adequar a estratégia de ensino ao aluno, fornecer material didático adequado, acompanhar o desenvolvimento e a evolução do aluno, entre outros.
26
Ontologias – Perfil do Aluno - Padrões de perfis
IEEE PAPI: O padrão Public and Private Information Learner é dedicado a troca de informações entre diferentes sistemas. Ele especifica tanto a sintaxe quanto a semântica do perfil de aluno. O padrão teve sua primeira publicação em 1997, e atualmente se encontra na versão draft 8 publicada em novembro de 2001. O padrão PAPI descreve um conjunto de informações, relevantes, sobre o aluno, e atualmente está dividido em seis categorias, como pode ser visto na figura seguinte:
27
Ontologias – Perfil do Aluno - Padrões de perfis
28
Ontologias – Perfil do Aluno - Padrões de perfis
IMS Learner Information Package (LIP): O LIP (Learner Information Packege) foi desenvolvido pelo IMS Global Consortium e trata da interoperabilidade entre sistemas que se baseiam em informações de alunos. O objetivo do padrão é definir um conjunto de grupos de dados que possam ser compartilhados entre diferentes sistemas, permitindo assim a criação de ambientes de aprendizagem distribuídos . Uma das facilidades para a utilização do LIP, é que ele apresenta um exemplo de implementação em XML, além de descrever a estrutura dos dados e as melhores práticas para utilização do modelo.
29
Ontologias – Perfil do Aluno - Padrões de perfis
O IMS LIP está dividido em onze categorias, como mostra a figura abaixo:
30
Ontologias – Perfis de aluno
Ontologia proposta por Dolog.
31
Ontologias – Perfis de aluno - OntoLearner
A ontologia OntoLearner foi definida com base nos padrões PAPI e LIP, e utiliza mutuamente os principais elementos de cada um dos dois padrões, gerando o modelo mínimo necessário [16]. Além de cobrir os dados necessários para estar de acordo com os padrões, a ontologia OntoLearner apresenta informações sobre o estilo cognitivo do aluno. Este estilo cognitivo da pessoa é considerado uma das características mais estáveis que influencia na realização de tarefas de aprendizagem.
32
Ontologias – Perfis de aluno - OntoLearner
A figura abaixo apresenta a estrutura básica da Ontolearner;
33
Estudo de Caso Atualmente o sistema está em fase de construção e possui implementado, agentes capazes de ler e entender o conteúdo das ontologias, onde o usuário é capaz de pesquisar se um determinado vocabulário faz parte de seu conteúdo.
34
Estudo de Caso Os agentes da aplicação estão organizada da seguinte forma: Classe principal: responsável por efetuar a leitura das ontologias e verificar se nelas está contigo determinado elemento; AgentOntoDomain: agente capaz de manipular a ontologia de domínio; AgentOntoEduStrategy: agente capaz de manipular a ontologia de estratégia de ensino; AgentOntoLearner: agente capaz de manipular a ontologia de perfil de aluno.
35
Arquitetura da Aplicação
A manipulação das ontologias se dá através da troca de mensagens. Cada agente é capaz de manipular uma determinada ontologia, ou seja, realizar inferências em uma determinada ontologia para a qual ele conhece. A figura a seguir demonstra a troca de mensagens entre a interface do JADE e o agente capaz de manipular a ontologia de perfil de aluno.
36
Arquitetura da Aplicação
Na consulta acima é possível verificar que a subclasse “Learner” está contida dentro da ontologia.
37
Considerações Finais Ainda existem diversos objetivos a serem alcançados a partir deste trabalho, todos eles focando o desenvolvimento de agentes robustos, capazes de manipular ontologias, comunicar-se com banco de dados e entre si. Um dos próximos passos é selecionar a linguagem de comunicação padrão a ser adotada, tanto para comunicação entre agentes, quanto entre agentes e usuário e agentes e banco de dados.
38
Considerações Finais Diante deste cenário e visando permitir uma identificação mais precisa do assunto que trata o objeto de aprendizagem, surge à necessidade de uma interface que permita ao usuário interagir com os agentes, sendo possível, por exemplo, o desenvolvimento do sistema multiagente para tutoria da disciplina de lógica proposto neste trabalho.
39
Referencias Bibliográficas
[1] PORTAL OBAA. Disponível em: < Acessado em 26/08/2010; [2] PROJETO OBAAMILOS. Disponível em: < Acesso em 26/08/2010. [3] RUSSEL, STUART; NORVIG, P. Inteligência Artificial. Capítulo 2: AGENTES INTELIGENTES. Elsevier Editora, 2004. [4] GLUZ. JOÃO CARLOS. INTRODUÇÃO A INFRAESTRUTURA MILOS. Pós- Graduação em Computação Aplicada (PIPCA), Universidade do Vale do Rio dos Sinos (UNISINOS). Maio, 2010. [5] GLUZ. JOÃO CARLOS, PY, MÔNICA XAVIER. LOGICA PARA COMPUTAÇÃO. Coleção EAD – Editora Unisinos, 2010. [6] XAVIER, ANA CAROLINA. AutoEduMat: Ferramenta de Apoio a Autoria de Metadados de Objetos de Aprendizagem para o Domínio de Ensino de Matemática. Dissertação de Mestrado. Universidade do Vale do Rio dos Sinos,
40
Referencias Bibliográficas
[7] FILETO, RENATO. Construindo Aplicações na Web Semântica: Parte 1: Introdução à Web Semântica. Programa de Pós-Graduação em Ciência da Computação – PPGCC. Universidade Federal de Santa Catarina – UFSC [8] The OWL API. Disponível em: < Acesso em 30/08/2010. [9] Protègè. Disponível em: < Acesso em 28/08/2010. [10] LIP. Learner Information Package Specification Disponível em: < Acesso em: 15/08/2010. [11] PAPI. IEEE Draft standard for learning technology. Public and private information (papi) for learners (papi learner) Disponível em: < Acesso em: 15/08/2010.
41
Referências Bibliográficas
[12] MACE-Dir EduPerson Object Class Specification. Disponível em: < html>. Acesso em: 18/08/2010. [13] Saba A comprehensive Architecture for Learning. Universal Learning Format. Version 1.0. [14] CEN WS-LT LTSC PAPI - Overview. Disponível em: < ltso.net/%28X%281%29S%28w2asaa45we3ktz45g1lx0q45%29%29/main.aspx ?put=230>. Acesso em: 28/08/2010. [15] MUSA, D.L et al. User Profile Interchange in a Service-oriented Architecture. In: DISWEB. 2006, Luxemburgo. CAiSE 2006 Workshops, 2006. [16] MUSA, D.L et al OntoLearner: Uma Ontologia para Perfis de Alunos Baseada em Padrões.
42
Referências Bibliográficas
[17] DOLOG P., Schaefer, M. Learner Modeling on the Semantic Web. In: Proc.of PerSWeb-2005 Workshop, July, 2005, Edinburgh, UK. [18] Lógica. Ementa da disciplina. Universidade do Vale do Rio dos Sinos – UNISINOS, 2010.
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.