O modelo do Aprendiz Ideal por Eliane S. Ramos 19 de abril de 2005

Organização do Artigo e Apresentação Introdução Visão Geral dos STI O Modelo do Aprendiz (MA) Ideal Modelagens MathTutor NeuroTutor MA para aplicações baseadas na Web O Grafo Genético (GG) Considerações Finais

Organização Introdução Visão Geral dos STI O Modelo do Aprendiz (MA) Ideal Modelagens MathTutor NeuroTutor Métodos de web-semântica para modelagem distribuída do aprendiz O Grafo Genético (GG) Considerações Finais

Introdução O que é um STI? Sistemas educacionais ajudados por computador que aplicam técnicas da inteligência artificial com objetivo de promover a aprendizagem em um dado domínio de conhecimento, aplicando estratégias pedagógicas personalizadas para cada aprendiz, considerando o conhecimento anterior do aprendiz e seu ritmo de aprendizagem

Objetivo do Artigo Pesquisar sobre o modelo do aprendiz ideal e apresentar alguns modelos através de cases pesquisados implementados ou não. Investigar recursos para implementação

Visão Geral do STI Módulo Interface Instrucional Componente muito importância no tutor, pois trata-se do ambiente instrucional, o qual é responsável por fazer interações com o aprendiz, mas não é abordado neste artigo. Instrucional controla a seleção e a seqüência do material a ser transmitido ao aluno. Este módulo detém as estratégias que determina quando um aprendiz precisa de ajuda e qual a ajuda apropriada para o tópico estudado . Especialista ou Domínio componente que representa a base de conhecimento de todo o conteúdo a ser ensinado Aprendiz Componente objeto desta pesquisa, que representa o estado de conhecimento do aprendiz.

Modelo do Aprendiz Ideal A complexidade da modelagem do aprendiz é justamente sua principal característica: a capacidade de adequar o conteúdo do módulo especialista às reais necessidades do aprendiz

O modelo do Aprendiz Ideal O modelo do aprendiz ideal deve ter em sua base de dados os conhecimentos do aprendiz; as concepções erradas do aprendiz sobre o domínio; as preferências do aprendiz; as estratégias pedagógicas e estilos de ensino que são mais eficazes a cada aprendiz; e como característica fundamental deve ser flexível e adaptável a qualquer domínio.

O Modelo do Aprendiz Ideal De que modo poderia o estudante ser conduzido sobre o conteúdo? Quais estratégias pedagógicas são mais apropriadas para certas concepções ou para certos perfis de aprendizes ? Como e quando se deve repetir o conteúdo? Qual a motivação do aprendiz sobre o tópico em um dado momento?

MathTutor Tutor baseado na arquitetura multi-agente (com base no modelo MATHEMA); O domínio do aprendiz e do especialista são modelados em ambientes distribuídos; Possui uma solução eficaz para a questão da adaptabilidade do sistema ao estado cognitivo do aprendiz; A modelagem do aluno está dividida em subdomínios. Cada subdomínios possui um agente responsável. Este tutor tem três formas de expor o conteúdo ao aprendiz e permite que o aluno escolha entre: a) seguir a orientação do sistema; b) ser questionado cada passo quanto ao rumo da seção; ou c) seguir seu próprio estilo. O conteúdo está dividido em seções com instruções, exemplos e exercícios. O modelo do aprendiz é obtido através de observações sobre as ações do estudante durante a utilização do sistema. Se o estudante costuma rever o conteúdo; Se faz os exercícios de forma correta ou incorreta; e Se visualiza os exemplos.

NeuroTutor Domínio: neurofisiologia; É adaptável conforme as preferências do aprendiz para que facilite a aprendizagem e promova um aprendizado individualizado com a construção dos conhecimentos; O estudante neste tutor é modelado através de suas ações. O sistema avisa quais experimentos já foram explorados. Ponto fraco: não representa as deficiências do aprendiz quando o desempenho de questões objetivas não são satisfatórias. Nem apresenta sugestões para suprir as deficiências detectadas. Modela o estudante através de questionários

Métodos de web-semântica para modelagem do aprendiz distribuída Web-semântica ou rede semântica => uma rede que serve para interligar significados de palavras. Tem como objetivo atribuir signicados aos conteúdos da internet de modo seja representativo tanto ao computador quanto aos usuários. Ontologias => são estruturas de classes. Curso: materiais de aprendizagem, referências e conteúdos para avaliação; Materiais de aprendizagem (LO) é uma estrutura de objetos de aprendizagem, os quais são chamados capítulos e lições. Todo curso é dividido em capítulo, todo capítulo é dividido em lições; Todo LO é uma estrutura agregada com as classes: conceito do domínio; explicação do conceito; conteúdo de aprendizagem e o conjunto de testes. Esta estrutura pode ser aplicado a diferentes cursos. RDF (Resource Description Framework) => padrões de web-semântica que fornece uma estrutura para melhorar o gerenciamento, integração e reusabilidade dos dados na web.

Métodos de web-semântica para modelagem distribuída do aprendiz Formalismo Hierarquia de Granularidade => para definir um mapa conceitual. É uma extensão da rede semântica para definir relacionamentos entre os tópicos especialização e agrupamento entre tópicos. Vantagem: representa o domínio em múltiplos níveis e detalhes simultaneamente. Ontologia dos Resultados de Aprendizagem: para modelagem do aprendiz é necessário além do mapa conceitual, é necessário gerar instâncias do mapa. O conhecimento que o aprendiz tem sobre um tópico deve ser representado como um aumento do grau de proeficiência. Como coletar dados distribuídos? MUMS Sistema de eventos projetado para coletar e distribuir notificações das ações dos usuários Producers => aplicações que geram eventos Consumers ou Modellers=> aplicações que recebem eventos. O modelo do aprendiz nesta abordagem é uma instância deste componente para cada aprendiz. Brokers => aplicações que encaminha mensagens de Procuders para Consumers e vice-versa

Característica dos Métodos de web-semântica para modelagem distribuída do aprendiz Interoperabilidade é importante pela diversidade de aplicações que são envolvidas. Há componentes que especificam detalhes dos tipos e formatos das mensagens que poderiam ser enviadas entre componentes. Extensabilidade é uma característica importante da rede MUMS porque os eventos Modellers and Producers são voláteis e podem estar online ou off-line em um determinado momento; Escalabilidade uma API sem muita importância que permite outros componentes conversarem com a rede MUMS

Grafo Genético É um grafo estruturado cujos nós representam regras e cujos arcos representam relacionamentos Os nós do grafo representam o conhecimento do estudante, eles descrevem fatos, regras ou procedimentos os quais descrevem as habilidades do aprendiz; Os arcos representam o comportamento para a aprendizagem; A evolução do conhecimento do aprendiz em termos de caminhos do grafo;

Grafo Genético Nesta abordagem, os níveis de dificuldades são representados de acordo com as especificações das regras.

Subtração envolvendo 0’s Ex.: 14 -5 Ou 100-65 Nível 0 R Subtração envolvendo 0’s G/E Fatos Numéricos Subtração Geral C Subtração sem empréstimo Nível 1 Empréstimo de 0 com empréstimo Nível 2 Nível 3 Ex.: 13 -5 R’ é uma generalização (G) de R se R’ é obtido de R pela determinada quantidade sobre alguma constante. Especialização (E) é o inverso de generalização. R’ é um refinamento (R) de R se R’ manipula um subconjunto dos dados manipulados por R na base de alguma propriedade especializada. R’ é um componente (C) de R se R’ é um elemento necessário de R. Ex.: 100-42 Ex.: 60-50 ou 135-130 Ex.: 165-42 Ex.: 101 -40 Ex.: 101 -49

Nível 3 C G/S R A Emprestar para próxima coluna Empréstimo entre 35,43 Coluna com 0 no topo e um 0 na esquerda 0 torna-se 9 Emprestar para próxima coluna de 0 30,40,41 De uma coluna com 0 no topo e na base 11 De uma coluna com 0 no topo e vazio na base 18,36 de 33,34 A R C p/ 42 Nível 1

Considerações Finais Quando se pensou no modelo do aprendiz, o objetivo era analisar as técnicas aplicadas para a construção do modelo do aprendiz em tutores já implementados ou não. O desenvolvimento do artigo não foi trivial, pois há poucas publicações sobre tutores que descrevem suas técnicas em maiores detalhes. Para um tutor oferecer ajuda apropriada, ele deve modelar o estudante de forma completa. Apesar dos tutores mencionados serem cases de sucesso para o domínio desenvolvido, a aplicação de web-semântica e ontologias parece ser a solução para a reusabilidade do sistema para outros domínios e o desenvolvimento de uma modelagem ideal, modelando não apenas conhecimentos mas dados cognitivos do aprendiz. Para trabalhos futuros, despertou o interesse na extensão do GG para relacionamentos que envolvam relacionamentos da web-semântica, principalmente por ter entendido a única abordagem que consegue mapear com precisão a evolução do conhecimento do aprendiz.

Bibliografia GOLDSTEIN, Ira P., The genetic graph: a representation for the evolution of procedural knowledge, 1982