![[Image]](pict1.jpg)
UNIVERSIDADE FEDERAL DE SANTA CATARINA
CURSO DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
SEMINÁRIO FINAL DA DISCIPLINA: INFORMÁTICA EDUCATIVA
Maria Bernardete Martins Alves |
Priscyla Waleska T. de Azevedo Simões |
TUTORIAIS INTELIGENTES
1. INTRODUÇÃO
Os CAI - Computer Assisted Instruction representam a instrução programada por computador. Estes, representam a aprendizagem tradicional onde o aprendiz segue um plano linear de um conteúdo proposto pelo professor.
Baseado nas teorias comportamentalistas, tal qual a Instrução Programada, cuja forma mais conhecida é o tutorial. Os tutoriais seguem ainda uma segunda abordagem cujos principios geraram uma nova categoria de modelos para a Instrução por computador, a abordagem construtivista.
Para os construtivistas o conhecimento ocorre como um processo interno, resultado da interação do sujeito cognoscente com o mundo real. A aplicação de técnicas de IA à Instrução Assistida por Computador tornaram possivel a criação de tutoriais inteligentes baseados nos modelos construtivistas.
Segundo Gratto (1999) o computador é uma excelente ferramenta para incorporar as teorias construtivistas nos softwares educaccionas e ajudam o aprendiz a construir seu próprio conhecimento de forma autêntica.
2. BASES PEDAGÓGICAS PARA A CONSTRUÇÃO DE TUTORIAIS INTELIGENTES
Existem duas principais correntes teóricas que servem de modelos educacionais e, cujos principios incorporados aos softwares educacionais, geram duas categorias ou modelos principais: o modelo behaviorista ou comportamentalista e o modelo construtivista.
2.1 Teorias comportamentalista ou behaviorista
Tendo Skinner como principal representante da vertente behaviorista, para quem a aprendizagem corresponde a "exibir comportamento apropriado" os behavioristas acreditam que a modificação do comportamento pode ser feita se forem seguidos os seguintes passos:
Este modelo geral é adotado pela maioria dos softwares educacionais que seguem a linha beheviorista que são uma imitação da sala de aula onde o professor apresenta um conteúdo em pequenas unidades, faz exercícios para praticar o que foi ensinado e testa o que foi aprendido pelo aluno.
2.2 Teorias Construtivistas
Baseado na teoria de Jean Piaget o modelo construtivista adotado pelos softwares educacionais seguem alguns principios básicos, como por exemplo o pressuposto de que a aprendizagem é um processo ativo de construção do conhecimento, resultado da interação do homem com o meio.
Quando a aprendizagem é vista como um processo de construção, o aprendiz está ativamente envolvido na construção do conhecimento. Ao contrário, na aprendizagem transmissão o conhecimento ocorre pela simples transmissão de conteúdo do professor para o aluno, ou do texto para o leitor sem que haja reconstrução do conhecimento, princípio necessário para que a aprendizagem ocorre..
Na abordagem construtivista o conhecimento só ocorre quando novas estruturas são assimilada às estruturas internas do aprendiz. O sujeito constrói significados por um processo de assimilação e acomodação. Este constrói novas esperiencias relacionando-as com experiências préviamente adquiridas. Se a nova experiência não tem significado, ocorre o desiliquilibrio. Isto significa que o individuo deve acomodar seus esquemas mentais ou criar novos esquemas de modo a criar novo significado para o conceiito que gerou o desiquilibrio.( Piaget, 1977). Neste caso o aprendiz não deve simplesmente refletir a realidade mas construir uma interpretação significativa para ele. Segundo Ausubel (1980) para que a aprendizagem significativa ocorra são necessárias algumas condições:
3. CONSTRUTIVISMO E MODELOS DE SOFTWARES EDUCACIONAIS
Segundo Campos (1999) " a tecnologia instrucional tradicional é baseada num relacionamento linear e hieráraquico enquanto que a tecnologia instrucional emergente, revoluciona o processo de ensino-aprendizagem". Os softwares educacionais que seguem a linha construtivista são desenhados de modo a permitir que o aprendiz aprenda a partir de um conteúdo básico que deverá ser reconstruido pelo aprendiz nde acordo com o seu ritmo e a sua bagagem prévia. O ensino é individualizado. Ao contrário dos softywares tradicionais, todo o conteúdo a ser ensinado já vinha pronto para ser apenas digerido pelo aprendiz.
Considerando as atividades do aprendiz, Dwyer (1988) propõe uma divisão dos softwares educacionais em dois grupos:
Baseado no critério "iniciativa do aprendiz", Bravo et. al. citado por Campos (1994) apresenta uma lista de recursos informático que permitem a aprendizagem por descoberta:
Dentre os recursos citados por Bravo, a hipermmídia se destaca por sua capacidade de modelar a aprendizagem construtivista, permitindo que o aprendiz possa construir a base de conhecimento - conteúdo.
Para Jonassen (1993) o ambiente hipermidia representa uma evolução natural das tecnologias de asprendizagem, dos ambientes behavioristas à aprendizagem significativa do construtivismo
Campos (1999) apresenta uma comparação entre softwares educacionais baseados nas tecnologias tradicionais e nas tecnologias emergentes.
|
Tecnologia Tradicional |
Tecnologia emergente |
|
Papel do professor |
Especialista |
Facilitador |
|
Papel do aluno |
Receptor passivo |
Colaborador ativo |
|
Ênfase Instrucional |
Aprendizagem dirigida |
Aprendizagem ativa |
|
Avaliação |
Retenção |
Assimilação |
|
Método de Ensino |
Exercício e Prática |
Interatividade e Colaboração |
|
Acesso ao conhecimento |
Acesso limitado |
Acesso ilimitado |
Petrushim (1993), baseado nas atividades do aprendiz, distingue dois ambientes de aprendizagem: o ambiente passivo e o ambiente ativo. No ambiente passivo, o aprendiz é um simples receptor da informação enquanto que num ambiente ativo o sprendiz é levado a construir novos conhecimentos.
4.1 Histórico
4.1.1 Anos 60
Os sistemas tutoriais tradicionais, apoiados nas teorias comportamentalistas que defendem a idéia de que o pensamento pode ser modelado, organizado e corrigido, surgem na década de 60 com a denominação de CAI - Computer Assisted Instruction. Estes programas são também conhecidos como page-turners, geradores de páginas. Estes não fazem distinção entre os vários níveis de conheciemento do aluno. A idéia é que um modelo genérico possa servir para o ensino de qualquer conteúdo a qualquer aprendiz.
4.1.2 Anos 70
Na década de 70 com a aplicação de técnicas de Inteligencia Artificial - IA aos tutoriais tradicionais foi possível criar programas instrucionais inteligentes denominados Intelligent Computer Assisted Instruction - ICAI, cujas capacidades de compreender, raciocinar, aprender e resolver problemas, distingue-os dos tutoriais tradicionais, os CAI. As principais mudanças implementadas são:
Estas implementações foram possíveis graças as pesquisas nas seguintes áreas: IA, Engenharia do Conhecimento e Psicologia Cognitiva.
4.1.3 Década de 80
Na década de 80 as pesquisas se concentram nas questões relacionadas aos aspéctos pedagógicos ou seja, no valor instrucional dos softwares e não apenas no projeto dos softwares. A preocupação com os aspectos pedagógicos levam os projetistas de softwares a buscar a interdisciplinaridade, buscando parcerias com os especilaistas em educação.
4.1.4 Década de 90
Os tutoriais inteligentes chegam à década de 90 com uma preocupação central, dotar os softwares de capacidade para resolver problemas apresentados aos estudantes. Esta capacidade permite análisar o desempenho do aprendiz e emitir hipóteses sobre as causas dos seus erros. (Saldias, 1998). Outras implementações feitas neste estágio são a separação entre as estratégias pedagógicas e o conteúdo do aprendiz . A consequência dessas implementações é que os softwares são dotados da capacidade de interromper o trabalho de um aprendiz para ajudá-lo a resolver um problema ou pode deixá-lo agir livremente. Neste sentido, os tutoriais inteligentes diferem fortemente dos CAI que oferecem um tragetória linear e rígida aos alunos e, diferem dos micromundos onde o aluno dispõe de uma liberdade total sem poder contar com a ajuda dos sistema.(Saldias, 1998)
5. TUTORIAIS INTELIGENTES
Os Tutorias Inteligentes ou Sistemas Tutoriais Inteligentes - STI são programas de computador com propósitos educativos e que incorporaram técnicas de Inteligencia Artificial. Os softwares educacionais que incorporam IA recebem várias denominações:
Segundo Dillenbourg (1994) o termo Inteligente se refere tanto a técnica usada quanto ao desempenho do sistema - aquilo a que o sistema se propõe a fazer.
Embora derivados dos CAI, os tutoriais inteligentes oferecem a vantagem sobre estes por simularem o processo do pensamento humano dentro de um determinado domínio.
Segundo Jonassen, 1993 para ser considerado inteligente um STI deve ser capaz de:
A separação entre as estratégias pedagógicas e o conteúdo do aprendiz é uma das questões centrais na distinção entre os tutoriais tradicionais e os tutoriais inteligentes. Sob o ponto de vista construtivista, não existe estratégia de ensino universal, as estratégias de ensino não podem ser aplicadas para todos os aprendizes, ao contrário, estas devem considerar as características individuais dos aprendizes (Instruir ou Construir, 1998). Os tutoriais inteligentes são ferramentas capazes de transmitir conhecimento utilizando diferentes estratégias para diferentes aprendizes. Os ambientes de aprendizagem que utilizam técnicas de IA permitem que os aprendizes possam ter experiências de aprendizagem individualizada, considerando as difernças individuais e as experiências anteriores dos aprendizes.
Para Dillenbourg (1994), nem sempre um software precisa de um nível de interação entre o usuário, o aprendiz e o sistema.
Quando o objetivo da aprendizagem é adquirir habilidade para a solução de problemas complexos, deve haver um alto nível de interação com o usuário. Porém, quando o objetivo da aprendizagem é resolver de múltipla escolha, o usuário não precisa interagir com o sistema e problema pode ser resolvido com outras técnicas não inteligentes.
6. Arquitetura Básica de um Tutorial Inteligente
As arquiteturas de Sistemas Tutoriais Inteligentes variam de uma implementação para outra. As arquiteturas desenvolvidas nas décadas de 70 e 80 sustentavam que um Sistema Tutorial Inteligente devia incluir os seguintes elementos funcionais:
De acordo com essas características, o desenvolvimento de um Tutorial Inteligente deve ser composto pelos seguintes módulos:
O desenvolvimento de um STI requer a aplicação integrada de todos esses módulos. A modelagem da cognição humana, a representação do conhecimento do especialista, e o sistema de interface inteligente do usuário constituem somente um subconjunto das capacidades funcionais requeridas no processo de ensino/aprendizagem pois, são únicas e muito mais complexas do que aquelas apresentadas em outros sistemas inteligentes.
6.1 Modelo do Especialista
O Modelo do Especialista é fundamentalmente uma base de conhecimento, contendo informações de um determinado domínio, que é organizada de alguma maneira para representar o conhecimento de um especialista ou professor. É, geralmente, considerado o componente central de qualquer STI. Em essência, este modelo incorpora a maior parte da "inteligência" do sistema na forma do conhecimento necessário para solucionar problemas do domínio.
Esta base de conhecimento contém os elementos para que o estudante aprenda o conhecimento do domínio e os procedimentos necessários para que ele possa utilizá-los na resolução dos problemas em uma determinada área deste domínio. Para isto, este conhecimento deve ser mapeado em símbolos para que o computador possa armazená-lo e manipulá-lo durante as interações com o estudante.
Na transição de CAI para STI, o conhecimento do domínio foi o primeiro aspecto da experiência do professor a ser explicitamente representado nos sistemas. Nos sistemas CAI, o conhecimento a ser transmitido estava contido em blocos d e apresentação embutidos no sistema sendo apresentados aos estudantes sob determinadas condições.
Assim, o modelo do especialista desempenha dupla função:
Várias abordagens para modelar o especialista e representar seu conhecimento têm sido exploradas nas pesquisas em STIs. A aquisição do conhecimento necessário para este modelo pode ser a principal tarefa no desenvolvimento do sistema, requerendo muitas horas de colaboração entre o projetista e o especialista ou professor. Um modelo do especialista bem projetado facilitará a comunicação do conhecimento entre o professor e o estudante. Entretanto, quanto maior esta capacidade, maior será a complexidade do sistema, e isto, na maioria das vezes, pode não ser necessário para uma instrução eficaz. Pode ser suficiente representar este conhecimento para um conjunto reduzido de problemas a serem usados com propósitos educacionais, simplificando o desenvolvimento do modelo.
O grande desafio para cada novo STI é que ele seja suficientemente flexível capaz de fornecer uma rica representação do seu domínio, necessária para suportar o nível desejado de ensino e compreensão. A estrutura e interrelação do conhecimento necessárias para um sistema tutorial são muito maiores do que aquelas necessárias aos típicos sistemas especialistas. Além disso, a forma na qual este conhecimento é armazenado é crucial p ara a capacidade do sistema em utilizá-lo. Nenhuma forma geral parece adequada para representar o conhecimento, mas tipos diferentes de raciocínio e de conhecimento, requerem diferentes representações para um uso eficiente e eficaz. Portanto, a escolha da representação de conhecimento em um sistema tutorial depende do tipo de conhecimento a ser armazenado e da utilização pretendida. Alguns métodos de IA utilizados para representar o conhecimento do domínio, inclui o desenvolvimento de redes semânticas, a aplicação de regras de produção, representações procedimentais, e a construção de "frames" e "scripts".
Várias técnicas empregadas por projetistas educacionais para identificar e organizar conteúdos podem também ser utilizadas para adquirir o conhecimento necessário para o modelo do especialista, assim como várias técnicas usadas pelos engenheiros de conhecimento podem ser úteis para projetos educacionais mais tradicionais.
A linha mestra então, é que o "comportamento inteligente" - e portanto, a capacidade tutorial - requer um conhecimento rico e suficientemente estruturado de modo a facilitar os tipos desejados de raciocínio e as capacidades cognitivas envolvidas no processo de ensino e aprendizagem.
6.2 O Modelo do Estudante
A chave para um ensino personalizado e inteligente em um sistema tutorial é, sem dúvida, o conhecimento que o sistema deve ter de seu próprio usuário. A dimensão mais significativa de um STI é sua capacidade para modelar o conhecimento do estudante.
A característica principal deste modelo deve contemplar todos os aspectos do conhecimento e do comportamento do estudante que tragam conseqüências para o seu desempenho e aprendizagem. Entretanto, a construção de um modelo como este é uma tarefa bastante complexa para um sistema computadorizado. Os canais de comunicação em um computador podem parecer bastante restritos quando comparados com a capacidade das pessoas em combinar informações em uma grande variedade de meios, como por exemplo o tom de voz ou expressões faciais.
Mesmo que para obter decisões pedagógicas razoáveis não se tenha a necessidade de construir um modelo completo do estudante ao longo de todas as suas dimensões, a construção de um modelo parcial que forneça somente as informações necessárias é, ainda hoje, um desafio para os sistemas computacionais.
Este modelo deve ser dinâmico, contendo o conhecimento e as capacidades do estudante, seu comportamento de aprendizagem passado, os métodos de apresentação aos quais ele responde melhor e sua área de interesse dentro do domínio. Munido destas informações, o sistema pode atingir um nível desejável e um método de apresentação adequado, adaptando a instrução à competência e habilidade de cada estudante.
O processo de formação e atualização do modelo do estudante pela análise dos dados disponíveis do sistema é freqüentemente chamado de diagnóstico. Se por um lado o diagnóstico puramente inferencial - que exclui o estudante - é uma tarefa bastante difícil, por outro lado a abordagem puramente interativa sofre pelo fato de que as pessoas nem sempre conseguem explicar seus próprios processos mentais e muitas vezes ficam total mente confusas.
6.3 O Modelo Pedagógico
Um professor tem diversas maneiras de expor um assunto, tornando-o compreensível e interessante. A comunicação de um corpo de conhecimento para uma pessoa não segue simplesmente um protocolo de transferência de informações como acontece, por exemplo, entre dois computadores. Ela é guiada por estratégias e técnicas que são selecionadas e combinadas dinamicamente em reação às atitudes e necessidades dos estudantes.
O Modelo Pedagógico constitui o conhecimento através de estratégias que estabelecem como ensinar, ou seja, 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.
Uma estratégia de ensino deve questionar:
Portanto, a tarefa do modelo pedagógico é bastante complexa. Este modelo contém o conhecimento necessário para tomar decisões sobre quais táticas de ensino deve empregar dentre aquelas disponíveis no sistema. As decisões e ações deste modelo são altamente dependentes dos resultados do processo de diagnóstico. O modelo pedagógico diagnostica as necessidades de aprendizagem do estudante com base nas informações do modelo do estudante e na solução do professor contida no modelo do especialista. Em geral, as decisões são sobre qual informação apresentar ao estudante, quando e como apresentá-la.
As representações explícitas do conhecimento pedagógico proporcionam o potencial necessário para que o sistema consiga adaptar e melhorar suas estratégias e, também, para seus componentes poderem ser reutilizados em outros domínios.
A adaptação da instrução implica em uma escolha didática, que pode ser global ou local. Escolhas no nível global determinam a seqüência dos episódios educacionais e, por exemplo, decisões sobre o número de repetições a serem utilizadas. Escolhas no nível local, envolvem decisões sobre quando uma intervenção é necessária, se o estudante deve ou não ser interrompido em sua atividade, e o que pode e deve ser feito ou apresentado em algum determinado momento. Isto inclui orientação no desempenho das atividades, explicações dos fenômenos e processos, e decisões sobre quais informações serão oferecidas para reparar as deficiências dos estudantes.
Existem diversas abordagens pedagógicas empregadas em STIs, mas a maioria dos sistemas atuais tendem a implementar somente uma estratégia pedagógica. Por isso, estes sistemas não possuem um rico repertório de estratégias d e ensino a serem selecionadas. Esta deficiência existe, em parte, porque a maioria das pesquisas concentra-se nos problemas de representação de conhecimento e diagnósticos, ao invés dos processos pedagógicos envolvidos no at o de ensinar.
Outra consideração é que, em geral, as estratégias pedagógicas são dependentes do contexto geral do ambiente de aprendizagem embutido no sistema. A escolha deste ambiente de ensino é ditado pela natureza do conteúdo a ser ensinado, pelo conhecimento e experiência do estudante, e pelas hipóteses sobre aprendizagem inerentes à teoria básica sobre a qual o sistema está baseado.
As decisões pedagógicas são tomadas no contexto de um "ambiente educacional" que determina o grau de controle sobre a atividade e sobre a interação possuídos respectivamente pelo sistema tutorial e pelo estudante. Todas estas decisões são sutis. A ordem e maneira como os tópicos são tratados podem produzir experiências de aprendizagem diferentes. Em uma orientação tutorial, algumas vezes é mais eficaz deixar o estudante trabalhar à vontade ao invés de interrompê-lo, enquanto outras vezes, esta liberdade pode deixá-lo desorientado.
Portanto, um processo de aprendizagem depende de uma grande variedade de fatores e o sistema tutorial deve considerar estes fatores e cuidar para não destruir a motivação pessoal do estudante ou o seu senso de descobrimento. Este processo pedagógico requer grande versatilidade.
6.4 Modelo da Interface com o Estudante
Os princípios baseados nas teorias cognitivas têm sido propostos para projetos de interface, como resultado de pesquisas na área da interação homem-máquina. Entretanto, a meta da maioria destas pesquisas é, de um modo ou de outro, proporcionar ao usuário um alto grau de eficiência e eficácia com relação a utilização do sistema. O usuário não deve ter que se adaptar à interface do sistema, ao contrário, a interface deve ser projetada para que seja intuitiva e natural para ele aprender a utilizá-la.
Com relação aos sistemas tutoriais, enquanto o modelo pedagógico decide o momento e o conteúdo das ações didáticas, o modelo de interface cuida de sua forma final. É responsável pelo fluxo de comunicação de entrada e saída, proporcionando a comunicação em ambas as direções e realizando a tradução entre a representação interna do sistema e a linguagem de interface, de maneira compreensível ao estudante. Porém, a interface não é importante apenas para a entrada e saída da informação, ela também complementa dados importantes sobre o processo da aprendizagem. Dependendo do domínio, estes dados podem ser utilizados para monitorar este processo.
Apesar da interface operar em estreita cooperação com ambos os modelos, tanto o diagnóstico quanto o didático, suas decisões são de natureza distinta, requerendo um tipo diferente de conhecimento. Assim, é útil identificar a interface como um componente distinto. Sua importância prática pode ser compreendida em dois níveis :
Uma vez decidida a forma na qual o sistema apresentará um determinado tópico, a interface tem o poder de determinar o grau de compreensão desta apresentação junto aos aprendizes.
Por causa do grande progresso da pesquisa em tecnologias gráficas, novas ferramentas para a construção e prototipação de interfaces podem direcionar todo o projeto do sistema.
Um outro aspecto relacionado com interfaces, e tradicionalmente relacionado com as pesquisas em IA, é o processamento da linguagem natural. Este ramo de pesquisa ainda é um grande obstáculo a ser vencido e, em seu estágio atual, limita as possibilidades de uma comunicação totalmente amigável com os computadores.
É importante salientar que em uma interação com o STI, o aprendiz não irá somente aprender o conteúdo das lições, mas também terá que aprender como utilizar o sistema, portanto, a facilidade de uso deve ser uma das considerações principais no projeto das interfaces. Uma interface consistente, ajudará a reduzir a carga cognitiva sobre o estudante.
6.5 Módulo de Controle
Módulo de Controle gerencia o funcionamento do sistema tutor. Seu ciclo de execução pode ser caracterizado, resumidamente, da seguinte maneira:
Selecionar uma estratégia de ensino no banco de estratégias;
Selecionar o material instrucional da base de conhecimento do domínio, com base na estratégia de ensino;
Apresentar o material para o aprendiz através do módulo de interface (o que pode incluir apresentação de exercícios e solução dos exercícios propostos);
Diagnosticar seu comportamento e monitorar seu progresso, lendo, atualizando o modelo do aprendiz e reiniciando o ciclo, a partir das respostas do estudante.
Este módulo é responsável pela coordenação geral do tutor, no que diz respeito às suas funções, interfaces de linguagem natural, troca de informações entre módulos, comunicação com outros programas utilitários através do sistema operacional.
A comunicação entre os módulos do tutor consiste em guardar ou ler arquivos, manter um arquivo histórico da sessão de aprendizagem, ativação e desativação dos bancos de dados, que podem ser pensados como "mundos" criados a partir da interação entre o tutor e o aluno.
Os Tutoriais Inteligentes possuem uma capacidade de aprendizagem quanto as alterações feitas nas regras do tutor, resultantes do processo de interação com o aluno.
Em alguns tutores, o núcleo inicial não fica alterado no final da sessão, reiniciando da mesma forma para qualquer novo usuário, enquanto que em outros modelos mais aperfeiçoados, a cada interação, o banco de dados inicial fica alterado, de modo que o sistema evolui, aprendendo com cada usuário, aplicando esses novos conhecimentos a cada aluno.
7. Exemplos de Sistemas Tutoriais Inteligentes
As pesquisas em sistemas inteligentes têm produzido e certamente continuarão proporcionando um campo de visão para os problemas relacionados com aprendizagem e instrução. Por isso devem continuar sendo pesquisados ativamente.
O desenvolvimento de um software educacional inteligente atualmente requer uma grande quantidade de esforço concentrado e uma diversidade de conhecimentos e técnicas. Além disso, muitos destes programas têm sido indevidamente rotulados "inteligentes". Portanto, um estudo comparativo de STIs é importante para os profissionais das diversas áreas de conhecimento envolvidas na construção destes sistemas. Certamente, novas pesquisas trarão avanços consideráveis em áreas como interação homem-máquina e aprendizagem humana e de máquina.
A seguir serão descritos alguns dos esforços historicamente importantes no desenvolvimento de Sistemas Tutoriais Inteligentes. A maioria destes STIs tem sido extensivamente documentados, como por exemplo em.
7.1 SCHOLAR
O programa SCHOLAR, segundo Carbonnel (1970) citado por Chaiben (1999), 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.
Uma rede semântica completa podia ser utilizada para modelar o conhecimento do estudante. Assim, ele sugeriu uma rede completa para modelar o "estudante perfeito" e progressivamente perturbá-lo para refletir o s eu desempenho até aquele momento, apagando e até mesmo modificando nodos e ligações. O modelo do estudante no sistema SCHOLAR, em termos de avaliações ligadas aos conceitos individuais de uma representação modular d o conhecimento especialista, constitui uma primeira versão do que foi posteriormente chamado o método "overlay".
Um detalhe interessante neste sistema, é que o estudante pode alterar a qualquer momento o modo de controle para o diálogo (teclando "Q/A"). Assim o estudante pode solicitar ao sistema simplesmente responder suas questões, conduzir um diálogo de iniciativa mista, ou assumir o comando e fazer perguntas. Por exemplo, o estudante pode perguntar "Qual é a latitude do Brasil ?" e o sistema irá localizar o elemento Brasil, e então a relação latitude, e apresentará o valor do elemento ligado com esta relação. Portanto, o sistema pode determinar a relação semântica entre dois nodos, simplesmente seguindo seus respectivos caminhos na hierarquia até um nodo em comum ser encontrado.
O sistema SCHOLAR representou uma grande descoberta nesta área. Com seu conhecimento de domínio representado como uma rede semântica, ele usa 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, um dos grandes desafios da Inteligência Artificial.
7.2 SOPHIE
SOPHIE (Sophisticated Instructional Environment) é um sistema ICAI que explora a iniciativa do estudante durante uma interação tutorial. Para Brown (1975), citado por Chaiben (1999), A meta do projeto SOPHIE era criar um ambiente de aprendizagem onde os estudantes seriam desafiados a explorar idéias sobre suas próprias conjecturas ou hipóteses em situações de resolução de problemas.
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 p arte 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. O SOPHIE permite que os estudantes tenham uma relação um-para-um com o especialista baseado em computador que os auxilia no surgimento de suas próprias idéias, experimentando estas i déias e depurando-as quando necessário.
Assim como o SCHOLAR, o projeto SOPHIE também foi marcante para estudos futuros na área, gerando uma longa e diversificada linha de pesquisa.
7.3 WEST
O projeto WEST, segundo Burton (1979), citado por Chaiben (1999) foi iniciado no contexto do SOPHIE. Uma vez que o domínio da eletrônica parecia muito complexa 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.
Para acompanhar todas as necessidades do programa: determinar o que o estudante conhece, quando interromper, e o que dizer, Burton e Brown adicionaram um componente ao sistema e o denominaram "Coach", porque ele agia como um "treinador", observando e auxiliando o jogador a melhorar. O Coach desenvolvido para o WEST baseia-se na idéia de "Issues" e "Examples". Issues são conceitos usados no processo de diagnóstico para identificar, à qualquer momento, o que é relevante. Examples são instâncias concretas destes conceitos abstratos. O fundamento é que a melhor maneira de aumentar a técnica do estudante é ilustrando a ajuda educacional com exemplos concretos.
Há três níveis de Issues : habilidades matemáticas, regras e estratégias particulares ao WEST, e habilidades relevantes para jogar, tal como a aprendizagem a partir do oponente. A maioria das informações sobre as quais o Coach baseia suas decisões vêm da comparação das ações do jogador com o que o especialista faria nas mesmas circunstâncias. Portanto, o WEST contém não somente uma representação do conhecimento do especialista, mas também técnicas tutoriais para utilizar a informação produtivamente.
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 .
7.4 GUIDON
O sistema GUIDON para Clancey (1987), citado por Chaiben (1999), 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.
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 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. Por isso, os resultados da pesquisa de Clancey não foram os desejados, embora tenham deixado importantes contribuições tanto para as pesquisas em sistemas especialistas quanto para os sistemas educacionais.
A estratégia da apresentação pedagógica adotada pelo GUIDON utiliza o método de caso: um diálogo de iniciativa mista concentra sobre casos específicos para transmitir o conhecimento do MYCIN aos estudantes em um contexto de resolução de problemas bastante realístico.
Os pesquisadores do GUIDON perceberam que o importante conhecimento estrutural (hierarquias de dados e hipóteses de diagnóstico) e o conhecimento estratégico (pesquisa do espaço de problema através de refinamentos "top-down") estavam implícitos nas regras. Isto é, o conhecimento procedimental que ocasionava um bom desempenho na resolução de problemas em uma consulta ao MYCIN, não estava disponível para propósitos de ensino. Para tornar este conhecimento explícito, um novo sistema foi desenvolvido, o NEOMYCIN, que separa as estratégias de diagnóstico do conhecimento do domínio e faz bom uso da organização hierárquica de dados e hipóteses. Um professor pode fazer analogias, ter múltiplas visões, e níveis de explicação que são desconhecidos do MYCIN. Na construção do MYCIN, nós não tornamos explícito como um especialista organiza seu conhecimento, como ele recorda este conhecimento, e quais estratégias ele utiliza para problemas próximos [...]"
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.
7.5 HYDRIVE
HYDRaulics Interactive Video Experience é um STI que incorpora multimídia para resolver problemas de sistema hidráulico de um avião F-15. Apesar do 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.
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.
No HYDRIVE, o material multimídia é disponível para o sistema através da codificação de uma representação do conteúdo na forma de regras na base de conhecimento. Quando uma seqüência em particular necessita ser mostrada, ela pode ser localizada através desta representação. Esta incorporação de vídeo no HYDRIVE satisfaz as exigências de um STI para proporcionar uma boa instrução aos funcionários sendo treinados. Os modelos definem o que o sistema deve fazer após a ação da pessoa em treinamento, e a resposta do sistema pode então ser interpretada como uma determinada meta de apresentação.
O ambiente de implementação do HYDRIVE consiste de três elementos distintos: C, IL (Interface Language), e Arity Prolog. A linguagem C passa informação entre a interface e a máquina de inferência. IL é uma linguagem orientada a eventos utilizada para criar interfaces complexas consistindo de apresentações gráficas de alta qualidade e com recursos de controle de vídeo. De acordo com Kaplan (1995), citado por Chaiben (1999) o Arity Prolog foi utilizado para criar a máquina de inferência do HYDRIVE - os modelos do sistema, do estudante, e educacional.
Quando a implementação do sistema HYDRIVE começou, haviam poucas alternativas para a implementação de um STI como este. Atualmente existem novas opções para a criação de sofisticadas interfaces, pois a ferra menta escolhida para a criação de um STI deve simplificar este processo ao máximo.
8 CONCLUSÃO
O surgimento dos Sistemas Tutoriais Inteligentes - STI ou ICA - Intelligente Computer Assisted Instruction, na década de 70 trouxe a promessa da solução dos problemas apresentados pelos tutoriais tradicionais, conhecidos como CAI - Computer Assisted Instruction.
A adoção das técnicas de Inteligencia Artificial aos softwres educacionais tornam possível a criação de ambientes de aprendizagem, nos quais as diferenças e experiênças individuais dos aprendizes são consideradas. A IA tornou possível outras implementações tais como a separação entre as estratégias de ensino e o conteúdo a ser ensinado e um aumento significativo no nível de interação entre o aprendiz e o sistema. . Porém, após três decadas de pesquisa e a construçãao de vários sistemas, como os tutoriais citados neste trabalho, parecem não ter sido suficiententes para resolver, na prática, os problemas que estes se propunham a resolver. Segundo Chaiben (1999), "As razões estão ligadas a complexidade e ao alto custos dos STIs (...) os STIs englobam vários problemas inerentes ao campo de IA, como por exemplo a descrição de qual informação apresentar em um ponto particular da instrução.". Outros problemas citados são: a falta de um paradigma para descrever o processo de aquisição de conhecimento e a incapacidade dos sistema de gerarn um raciocínio interamente pedagógico.
8. REFERÊNCIAS BIBLIOGRÁFICAS