Extrator de Conceitos e Termos Conectores para Criação de Cursos Baseados em Mapas Conceituais

Transcrição

1 Extrator de Conceitos e Termos Conectores para Criação de Cursos Baseados em Mapas Conceituais Luiz Claudio Duarte Dalmolin 1, Silvia Modesto Nassar 1, Rogério Cid Bastos 1 1Instituto de Informática e Estatística Universidade Federal de Santa Catarina (UFSC) CEP Campus Universitário Cx.P. 476 Florianópolis SC Brasil dalmolin@labtrans.ufsc.br, {silvia,rogerio}@inf.ufsc.br Abstract. This work presents a tool for building courses where contents are organized in concept maps. The concept maps building processes is facilitated by an algorithm based in text mining techniques for concepts extraction and link terms from reference documents of a course. Also is suggested a concept map edition module, in which, learning objects can be linked to the concepts inserted in a map. Resumo. Este trabalho apresenta uma ferramenta para a criação de cursos onde os conteúdos são organizados em mapas conceituais. A construção dos mapas conceituais é facilitada mediante o uso de um algoritmo fundamentado em técnicas de mineração de texto para a extração de conceitos e termos e conectores a partir de documentos de referência de um curso. É sugerido também um módulo para edição de mapas conceituais, no qual, objetos de aprendizagem podem ser vinculados aos conceitos inseridos em um mapa. Palavras Chave: Mapas Conceituais, Extração de Conceitos, Aprendizagem Significativa 1.Introdução De acordo com [Ausubel, 1968] a aprendizagem significativa acontece quando um novo material, uma nova idéia, ou uma nova informação, é logicamente estruturada e interage com conceitos relevantes e inclusivos disponíveis na estrutura cognitiva dos estudantes. Como resultado desta interação com o agente ocorre a diferenciação, elaboração e estabilidade do conhecimento. Os trabalhos de [Cañas e Saxe, 2005] e [Tseng et al 2007] ressaltam que os planos de aula e cursos são organizados de maneira linear e em alguns casos contêm conceitos desconexos. Estas características podem vir a prejudicar a forma como os estudantes organizam e representam conhecimento ferindo, assim, os preceitos da aprendizagem significativa proposto por Ausubel. Como alternativa aos cursos seqüenciais [Novak e Gowin, 1984] propõem o uso mapas conceituais com a intenção de aprimorar o processo de ensino-aprendizagem, modelando o conhecimento prévio e facilitando a incorporação de novos conceitos à estrutura cognitiva do estudante [Bonastre e Pina, 2005]. Neste trabalho é apresentada uma ferramenta para a criação de cursos baseados em mapas conceituais, seguindo os preceitos da aprendizagem significativa. O objetivo é desenvolver funcionalidades que permitam armazenar e organizar conteúdos

2 multidisciplinares em mapas conceituais. O professor, ao construir um curso, poderá associar diferentes objetos de aprendizagem (páginas web, vídeos...) aos conceitos incluídos nos mapas conceituais. A tarefa de construção de mapas conceituais não é trivial. Mesmo que o se tenha domínio sobre o conteúdo que será apresentado em um curso, a criação de um mapa conceitual de um curso demanda esforço intelectual (identificar conceitos e conectores) e braçal (usar uma ferramenta para conectar conceitos por meio de termos conectores usando o mouse em uma interface computacional). Para superar estes obstáculos, foi desenvolvido um algoritmo para extração de conceitos. Este módulo tem a finalidade de auxiliar o professor a identificar e relacionar os conceitos que irão compor o mapa de um curso. A identificação automática de conceitos está baseada na ocorrência dos termos no texto, bem como na noção de proximidade entre eles. Desta forma é possível identificar quais os conceitos mais relevantes compostos por mais de uma palavra ou que possam ter sentido ambíguo em diferentes contextos [Valerio e Leake, 2006]. 2. Mapas Conceituais e Aprendizagem Significativa Para [Tavares, 2006], a aprendizagem significativa se consuma quando a nova informação é incorporada na estrutura cognitiva do estudante utilizando seu jeito próprio de fazê-lo. O conhecimento anterior do estudante será alterado com essa incorporação, tornando-se mais inclusivo; e o novo conhecimento também se modificará pela maneira específica como se dará a absorção do sujeito que aprende. Mapas conceituais são criados com a função de representar relações significativas entre conceitos na forma de proposições [Novak e Gowin, 1984]. Tais proposições são compostas por dois ou mais conceitos ligados por termos em uma unidade semântica. Um mapa conceitual é um dispositivo esquemático para representar um conjunto de conceitos e significados embutidos num ambiente de proposições. Os mapas conceituais apresentam de maneira concisa os conceitos chaves que precisam ser trabalhados em um curso, sendo que, a organização hierárquica dos mapas sugere um encadeamento lógico dos conceitos evidenciando a contribuição que um mapa conceitual pode trazer se for utilizado na representação de um curso [Novak e Cañas, 2008]. Um mapa conceitual pode servir para mostrar o conhecimento anterior, bem como facilitar a ligação daquilo que já é conhecido com os novos conceitos a serem trabalhados promovendo a aprendizagem significativa. De acordo com [Eskridge et al., 2006] usuários de todos os níveis de ensino têm utilizado mapas conceituais para desenvolver novas idéias, organizar informações e formalizar o conhecimento de diversas áreas do conhecimento. Aplicando as técnicas de representação de conhecimento com base em mapas conceituais a ferramenta apresentada neste artigo disponibiliza uma interface para construção de mapas conceituais que utilizados em um curso representam os módulos temáticos 1 de uma disciplina. 1 Modulo temático é uma unidade básica de estudo que é maior do que uma aula e menor do que um curso comumente segue uma abordagem baseada em conteúdo [Nulden,1999].

3 3. Extração de Conceitos a Partir de documentos Para [Valerio e Leake, 2006] a análise de um documento visando extrair informações para a criação de um mapa conceitual consiste em duas etapas: A primeira é identificar os termos que formam os conceitos no texto (objetos diretos e indiretos nas sentenças, ou sujeitos). A segunda etapa é identificar e registrar os termos de ligação entre os conceitos (conjunções e verbos). Para tornar possível a extração destes conceitos foram utilizadas técnicas de mineração de textos. Estas técnicas são capazes de identificar peculiaridades em textos [Ramirez e Mattmann, 2004], [Gelfand et al., 1998]. De certa forma a mineração de texto se refere a descoberta de conhecimentos a partir de um conjunto de documentos, para isto é necessário analisar a estrutura do texto e executar uma série de análises como parsing, reconhecimento de padrões, análise semântica, tokenização. A figura 1 esboça as etapas para a execução da mineração de textos. Recursos de Texto Análise de Dados Avaliação/ Interpretação Conhecimento Figura 1- Etapas de Mineração de texto adaptado de [Stavrianou, 2007] A extração de termos baseados em documentos sem uma estrutura previamente definida é um procedimento complexo [Bendersky e Croft, 2008], os algoritmos utilizados para resolver este problema demandam um alto grau de processamento computacional e heurísticas inteligentes e otimizadas [Gaudio e Branco, 2007]. Visando aprimorar o processo extração de conceitos [Gupta et al, 2006] propõem um método para organização conceitual a partir de textos semi-estruturados, onde o conceito é representado por substantivos em textos de um determinado domínio. Outros trabalhos [Chin et al, 2006] aliam técnicas de mineração de textos, sumarização e categorização com a finalidade de descobrir conceitos relevantes em textos. O objetivo da extração automática de conceitos é dar um suporte interativo para que o professor comece a desenvolver o mapa conceitual a partir de uma lista de conceitos gerada automaticamente. Os conceitos e relações identificados podem ser facilmente editados. 4- Metodologia para Extração de Conceitos e Conectores A partir da aplicação do algoritmo proposto em um conjunto de documentos semiestruturados em textos (ementas, programas de cursos, avaliações, lista de exercícios) relacionados a um tema é possível identificar conceitos e conectores que podem compor

4 um mapa conceitual de um curso ou módulo temático. A resposta fornecida pela ferramenta é uma lista de conceitos e conectores os para que posteriormente sejam inseridos em um mapa conceitual. O processo de extração automática resulta em uma lista de conceitos, uma lista de conectores e uma matriz para representar as conexões entre conceitos e conectores. Entre dois conceitos podem existir n conectores. A ferramenta permite ao usuário adicionar e/ou excluir conceitos e relações desta matriz. Parte-se então, de um mapa a priori, uma vez que os conceitos mais relevantes e suas respectivas relações já estão inseridos na janela de edição de mapas [Dalmolin et al, 2008]. O algoritmo desenvolvido neste trabalho identifica conceitos e termos conectores baseando-se na ocorrência dos termos e no peso atribuído ao documento cujos termos estão sendo extraídos. No extrator de conceitos e conectores (ECC), termos são considerados toda e qualquer palavra separada por um espaço em branco, conceitos podem ser formados por um ou mais termos. Conectores são termos que estão referenciados na lista de conectores. Uma conexão semântica é criada por termos próximos um conector dentro de uma distância que pode ser configurada pelo usuário. Em suma, o problema a ser resolvido pelo ECC é descrito pelas equações 1, 2, 3 e 4: Sejam D, C e L, respectivamente um conjunto de documentos, um conjunto de conceitos e um conjunto de conectores (1): D= {d1,d2,d3..dm} C= {c1,c2,c3,ci,cj..cn} (1) L= {l1,l2,l3,lk..lo} Então S é um conjunto que denota relações semânticas formadas por dois conceitos e um conector (2). S={{ci,lk,cj},...} (2) O processo de extração de conceitos e conectores inicia-se com a inclusão dos textos nos campos específicos para cada tipo de documento a ser analisado, uma vez que a ferramenta permite trabalhar com diferentes tipos de documentos (ementas, programas de cursos, exercícios, avaliações). Após a inserção dos textos o usuário pode alterar a um campo que determina a relevância do documento no processo de extração de conceitos. O valor de relevância é utilizado em uma ponderação que determina o ranking de um conceito na lista de conceitos extraídos. A solução proposta para o problema de extração de conceitos e conectores contempla três etapas: Pré-Processamento, Ranqueamento de Termos Extraídos e Identificação de Relações Semânticas (figura 2). Estas etapas definem o processo de extração de conceitos e conectores ressaltando os procedimentos utilizados para chegar ao conjunto de relações semânticas. Os procedimentos se caracterizam por um préprocessamento e uma série de heurísticas baseadas em técnicas de mineração de textos.

5 1-Ajuste de Capitalização 2- Remoção de caracteres 3- Extração e Registro de especiais StopWords 1-ENT ENTÃO, JOÃ O DISSE: - VAMOS! ENTÃO O JOÃ O DISSE VAMOS ANÁ LISE D DE E DADOS D A DO S PARA A B IO LOGIA T ÉCNICA DE EXTRAÇÃO Ã O D DE E INFORMAÇÕES Õ EM TEXTO Fase de Pré-Processamento 6- R a nking de Co nce itos Com postos por u m ou m a is term o s O c o r. L i s t a d e T e r m o s 1 8 Q U Í M I C A 1 5 Q U Â N T IC A 4 Q U I M I C A Q U Â N T I C A 5 - R a nk in g d e Co nce itos co m pos to s co m S to pw ord s O c o r. L i s t a d e T e r m o s 7 A N A L I S E D E D A D O S 4 S A U D E 3 D A D O S P A R A A S A U D E 4- Ranking d e Co nceitos O c o r. L is t a d e T e r m o s 1 8 A N A L I S E 1 5 D A D O S 1 4 B I O L O G IA Fase de Ranqueamento de Termos Extraídos 7-Extração e Registro de Conectores POLÍCIA MULTA INFRATOR ESTUDANTE REALIZAPROVA CIGARRO CAUSA CÂNCER VARIAVEL DEPENDE DA FUNÇÃO 8- Relacionamento de Conceitos e Conectores A [estatística] C 1 {é u m}l1 [ram o autô nomo ]C C 2 da [m atemática aplicada] C3 que {utiliz a}l2 [teo rias proba bilís tic as] C4 para {explicar}l3 a [freqüên cia da o corrência] C5 de [eventos] C Matriz de Adjacência C1 C2 C3 C4 C5 C1 L1 C2 L1 C3 L2 C4 L2 C5 L3 Fase de Identificação de Relações Semânticas Figura 2. Seqüência de passos para extração de conceitos. A etapa de pré-processamento está definida no passos 1, 2 e 3 (figura 2). Nesta etapa todas as palavras são capitalizadas para maiúsculo no intuito evitar ambigüidades e repetição desnecessária de textos, em outro momento, são removidos alguns caracteres especiais (números, pontuação, hífens). O último passo do pré-processamento consiste na extração e registro das stopwords 2, nesta fase o procedimento difere-se fundamentos de mineração de textos uma vez que ao invés de simplesmente extrair as stopwords, elas são registradas para que em outra etapa seja possível identificar conceitos compostos por stopwords. Para realizar a extração e o registro das stopwords é utilizada uma lista de referência. A lista utilizada nesta ferramenta foi elaborada pela Universidade do Minho (Portugal) em conjunto com a Universidade de Neuchâtel (Suíça) (Rocha, 2006). Nos passos de 4,5,6 da etapa de ranqueamento dos termos extraídos são utilizadas heurísticas para a elaboração da lista ranqueada composta pelos termos dos documentos. Desta forma, os termos mais bem ranqueados podem ser considerados conceitos válidos para serem incluídos no mapa. O sistema é capaz de identificar conceitos formados vários termos incluindo as stopwords. A estratégia criada para a elaboração do ranking de conceitos baseia-se no total de ocorrências de um termo, na quantidade de documentos que o termo aparece e principalmente no peso (valor numérico) atribuído ao documento. O peso A heurística utilizada para a identificação de conceitos compostos por mais de um termo baseia-se na distância entre os termos de uma frase. Desta forma, os termos vizinhos são inseridos em uma lista que permite encontrar repetições em meio aos textos analisados. A noção distância ou proximidade de termos no texto é utilizada para que o algoritmo possa identificar conceitos formados por um ou mais termos e também determinar se o termo é conector para dois conceitos diferentes. 2 Stopwords são palavras que se repetem constantemente nos textos e não fazem diferença considerável para a compreensão do texto.

6 A conexão entre conceitos e links descritas nos passos 7,8,9 pode ser formalizada da seguinte maneira: um conceito ci pode ser ligado a cj por meio de um conector lk desde que lk esteja incluído na lista de possíveis conectores e se ci e cj estiverem separados por uma distância menor ou igual a d. A lista de conexões é apresentada em formato de uma tabela de adjacência que contempla os conceitos e seus respectivos conectores conforme o item 9 mostrado na figura A Ferramenta de Construção e Visualização de Mapas Conceituais Entre os usuários que podem utilizar a ferramenta estão professores, tutores e estudantes. Os estudantes irão interagir com os mapas utilizando os objetos de aprendizagem vinculados aos conceitos. O professor é responsável por elaborar os cursos e usar a ferramenta de construção de mapas conceituais, os tutores podem avaliar o andamento das atividades por meio de relatórios de utilização do sistema e das atividades realizadas pelos estudantes, os estudantes visualizam os mapas e acessam os objetos de aprendizagem vinculados aos conceitos. A ferramenta tem funções específicas que auxiliam o professor no processo de criação e administração de curso. Um curso pode ser criado por um ou vários professores. Desta forma, foi incorporado o conceito de professor administrador de curso, que é responsável por atualizar o curso e validar alterações realizadas por seus colegas. Em um primeiro momento optou-se por disponibilizar a ferramenta em um portal web (figura 3). As páginas do portal concentram-se na exposição das técnicas de aprendizagem significativa e apresentação de módulos temáticos representados por mapas conceituais para auxiliar aos professores a dominar o método de construção de cursos baseados em mapas conceituais. Figura 3. Interface do Portal para criação de cursos baseados em mapas conceituais

7 Após a extração dos conceitos e conectores o usuário pode fazer uso da interface para a edição do mapa conceitual onde é possível editar as listas de conceitos e conectores, criar novas associações e por fim editar o posicionamento dos conceitos no mapa. A ferramenta de edição é um Applet baseado na ferramenta criada por [Cimolino, Kay e Miller, 2003] [Cimolino e Kay, 2002] disponibilizadas pela Universidade de Sidney (figura 4) na qual, foi realizada uma série de modificações que permitiu a vinculação de objetos de aprendizagem aos conceitos inseridos no mapa e a utilização dos conceitos e conectores extraídos pelo ECC. No módulo de edição de mapas conceituais o(s) professor(es) pode(m) vincular objetos de aprendizagem aos conceitos. Seguindo os preceitos da aprendizagem significativa sugere-se que para cada conceito seja associada uma tarefa que facilite a descoberta de conhecimento prévio do estudante e que promova a associação aos entre os conceitos através dos conectores. Figura 4. Ambiente para edição e visualização de mapas 6. Resultados do Extrator de Conceitos Os testes para o extrator de conceitos e conectores foram realizados com o propósito de criar um curso para a disciplina de Estatística. Esta disciplina foi escolhida porque a Estatística está praticamente em todas as modalidades de curso do Nível Superior, como bacharelado, licenciatura, tecnologia. A Estatística faz parte da grade curricular obrigatória de diversos cursos [Fujii e Silveira 2006]. Com a utilização do algoritmo para extração de conceitos e conectores é desejado identificar os conceitos mais relevantes baseados em diferentes documentos usados como referência em cursos de Estatística de várias universidades. Os documentos utilizados nos experimento realizados neste trabalho foram obtidos a partir dos sites das disciplinas de estatística de alguns cursos de algumas universidades conforme (tabela 1).

8 Tabela 1- Textos analisados pelo ECC. Universidade Nome Disciplina Curso Tipo de Documento A Estatística Eng. Civil programa B Estatística Aplicada Ed. Física ementa C Estatística 1 Eng. Civil programa D Estatística Ed. Fisica Programa E Estatística Aplicada às Ciências Sociais [Barbeta, 2007] Sumário do Livro Os textos dos documentos foram inseridos no ambiente de entrada de dados do extrator, e os pesos foram atribuídos de acordo com o tópico analisado (ementa, objetivos e programa). Para todos os documentos foram adotados os mesmos pesos buscando priorizar os termos com maior ocorrência. Para o texto referente ao índice do livro foi utilizado o mesmo peso usado para ementa de um curso. Ao final do processo de extração era esperado que os conceitos exibidos no topo do ranking de conceitos pudessem representar os termos mais relevantes que representem o domínio de conhecimento para um curso de estatística. Na figura 5, é apresentada a interface para inserção de dados entrada juntamente com os resultados obtidos após a utilização do algoritmo de extração de conceitos e conectores. Figura 5- Interface com os dados de entrada e os resultados do extrator automático de conceitos Para validar os resultados obtidos, os conceitos extraídos foram analisados por uma equipe de professores de estatística e confrontados com os parâmetros curriculares proposto pelo MEC para disciplinas de matemática e estatística [Fujii e Silveira 2006]. De acordo a equipe de professores, os conceitos mais bem ranqueados realmente representam o conhecimento necessário para um curso de estatística conforme os parâmetros curriculares para esta disciplina no ensino superior. A análise mostrou que

9 dentre os 20 conceitos mais bem ranqueados pelo extrator 85% podem de fato estar presente em um mapa conceitual de um curso de estatística conforme a opinião dos especialistas consultados. Alguns termos que formam estes conceitos podem ser observados na parte direita da tela apresentada na figura 5. Os testes também mostraram que 70% dos termos conectores encontrados podem ser utilizados no mapa conceitual. 7. Conclusões Este trabalho apresentou resultados satisfatórios para o processo de extração de conceitos e conectores para a construção de um mapa conceitual. O conjunto de relações semânticas e os conceitos mais bem ranqueados após o processo de extração, de fato, se mostraram úteis para o usuário no processo de construção de um mapa conceitual. Os resultados mostram a capacidade do extrator automático de conceitos em automatizar a tarefa de criação de mapas conceituais, diminuindo o trabalho do professor ao selecionar os termos que serão utilizados nos mapas conceituais dos módulos temáticos. A utilização da ferramenta como apoio para criação de cursos apresentou características interessantes para a criação de cursos interdisciplinares já que é possível combinar documentos de diferentes áreas do conhecimento e estabelecer conexões semânticas entre diferentes domínios conforme os termos analisados. O tempo para a construção dos mapas conceituais é reduzido, pois os conceitos com maiores valores de relevância obtidos automaticamente foram validados e aproveitados na construção de um mapa conceitual. A ferramenta de edição de mapas conceituais permite vinculação de objetos de aprendizagem aos conceitos. Os objetos de aprendizagem podem ser acessados no portal web. Desta forma conclui-se que esta ferramenta permite criar um repositório de saber especializado representado por mapas conceituais que são criados de maneira colaborativa por diversos especialistas. Por fim, tem-se um repositório cursos, mapas conceituais e objetos de aprendizagem que podem ser acessados via internet fomentando o uso deste tipo de ferramenta em EAD. Referências Ausubel, D. P. (1968), Educational Psychology, A Cognitive View. New York: Holt, Rinehart and Winston, Inc. Barbetta, P. A. (2007) Estatística Aplicada às Ciências Sociais, 7ª edição Florianópolis: Editora da UFSC, Bonastre O.M. e Pina M.J.M. (2005) Cognitive Learning for Distance Education: A Concept Maps Perspective, Cognitive Informatics. Fourth IEEE Conference on Volume, Issue, 8-10 Aug., pg Cañas A. J. e Saxe E. B. (2005), Pensum No Lineal: Una propuesta innovadora para el diseño de planes de estúdio, Revista Electrónica Actualidades Investigativas en Educación, Universidad de Costa Rica.

10 Cimolino, L., Kay, J., e Miller, A. (2003), Incremental student modelling and reflection by verified concept-mapping, Proceedings of AIED2003, July 20-24, Sydney, Australia. Cimolino, L.; Kay, J. (2002), Verified concept mapping for eliciting conceptual understanding Computers in Education, Proceedings. International Conference on, vol., no., pp vol.2, 3-6 Dec. Dalmolin, L. C. D. ; Nassar, S. M. ; Bastos, R. C. (2008). Uma ferramenta de mineração de documentos para a construção de mapas conceituais. In: V Congresso Brasileiro de Ensino Superior a Distância, Gramado. Fujii, N. N. ; Silveira, I. F.. (2006) Individualizando o Ensino de Estatística Através do Uso de Objetos de Aprendizagem Adaptativos. In: SBIE XVII Simpósio Brasileiro de Informática na Educação, 2006, Brasília. Anais do SBIE 2006, Gaudio R., Branco A (2007), Automatic Extraction of Definitions in Portuguese: A Rule-Based Approach. EPIA Workshops 2007 Gelfand B., William M. W., Punch Iii, (1998) Automated concept extraction from plain text, In Papers from the AAAI Workshop on Text Categorization. Gupta S., Goyal R., Shubham K., Dey L., Malik A., Chaudhury S., Bhattacharya S. (2006), Knowledge Discovery from Semi-Structured Data for Conceptual Organization, Proceedings of the IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology (WI-IAT 2006 Workshops). Novak, J.D. and Gowin, D.B. (1984). Learning how to learn. Cambridge, Cambridge University Press. Nulden U. (1999), Thematic Modules in an Asynchronous Learning Network: Designing introductory courses, Proceedings of the 32nd Hawaii International Conference on System Sciences Rocha P.A. (2006), Listas de palavras freqüentes em português, disponível em: acessado em 03/08/2008. Stavrianou, A., Andritsos, P., and Nicoloyannis, N. (2007), Overview and semantic issues of text mining. SIGMOD Rec. 36, 3 (Sep. 2007), Tan A.H.. (1999) Text mining: The state of the art and the challenges. In Proc of the Pacic Asia Conf on Knowledge Discovery and Data Mining PAKDD'99 workshop on Knowledge Discovery from Advanced Databases, pages 65-70, Tavares R. (2006) Aprendizagem significativa em um Ambiente multimídia, Encuentro Internacional sobre Aprendizaje Significativo - Madrid Espanha. Tseng, S., Sue, P., SU, J., Weng, J., e Tsai, W. (2007). A new approach for constructing the concept map. Comput. Educ.49, 3 (Nov. 2007), Valerio A. e Leake D., (2006) Jump-Starting Concept Map Construction with Knowledge Extracted from Documents, Second International Conference on Concept Mapping, San José, Costa Rica Sept. 5-8.