Ambiente para Avaliação de Conteúdo e Habilidades no Ensino a Distância via Internet

Transcrição

1 1 Ambiente para Avaliação de Conteúdo e Habilidades no Ensino a Distância via Internet José Carlos Tavares da Silva, José Rodrigues Fernandes, Universidade Católica de Petrópolis. Resumo Este artigo apresenta uma Estrutura de Múltiplos Agentes Cooperativos para avaliar conteúdos adquiridos e habilidades desenvolvidas através de ambientes de ensino baseados na rede mundial de computadores - Internet. Utilizamos um modelo multiagentes cooperativos, guiado por mapas conceituais previamente desenvolvidos para cada curso mediado por computador. Os agentes reagem a cada ação do aprendiz e produzem respostas que auxiliam o mesmo a dar os próximos passos. Monitora a aprendizagem, indicando os pontos onde ele precisa reforçar e repassar. Aqui mostramos como utilizar a técnica "Dead Reckoning" para rastrear, monitorar e guiar o progresso do aprendiz. Também estabelecemos "templates" para basear a avaliação do conteúdo adquirido e das habilidades desenvolvidas pelo aprendiz através das suas atividades enquanto interagindo num ambiente baseado na Internet. O sistema produz vetores de estado e computa suas distâncias a um vetor piloto definido previamente. Essa estrutura é capaz de guiar o processo para alcançar permanentemente níveis evolutivos de aquisição de conhecimento, refinando as habilidades autonomamente, reagindo a eventos e traçando novos planos a cada ponto de revisão traçado no passo imediatamente precedente. Este artigo está organizado em cinco seções. Na seção 2 apresentamos a metodologia utilizada tanto no domínio psicopedagógico quanto o domínio relativo à produção da aplicação. Na seção 3 estão descritas em linhas gerais as principais funções do sistema multiagente, bem como as interações preconizadas. Na seção 4 descrevemos o mecanismo de ação dos agentes piloto e clones de cada ator do processo. O cômputo das distâncias, citadas em d) acima, orientará a seleção de novos planos adaptativos aos planos dos demais participantes de cada grupo de trabalho. O mecanismo de tratamento dessas informações encontra-se na seção 4. Finalmente, na seção 5 apresentamos conclusões acerca da viabilidade de um framework multiagente cooperativos se mostrar adequado à avaliação em ensino via Web. A técnica de rastreio simula um mecanismo que permite a avaliação segundo o esquema "show me what you know as you go", e pode produzir resultados satisfatórios e consistentes de avaliação. I. INTRODUÇÃO este trabalho apresentamos um framework multi-agentes Npara avaliação de conteúdo e de habilidades não-periciais em Ambientes de Ensino mediados por computador. É um sistema computacional inteligente capaz de atuar na assistência ao processo de avaliação e demais tarefas concomitantes ao controle e execução do processo de aprendizagem. São funções do sistema: a) o monitoramento do progresso do aprendiz; b) configurar templates conforme a natureza do conhecimento e das habilidades a serem avaliadas; c) a produção e quantificação de vetores de estado de conhecimento; d) avaliação da distância destes vetores a um template piloto, projetado pelo facilitador para o curso. Cada um destes itens acima são abordados segundo uma metodologia consistente e atual, que mostra como as idéias de Vygotsky [15], Gardner[7], Pierre Lèvy [8], [9], [10] e outros podem ser contempladas mesmo em ambientes informatizados. Desta abordagem surge um sistema computacional capaz de atender aos conceitos teóricos e produzir inestimável ajuda tanto ao aprendiz quanto ao facilitador. II. METODOLOGIA O paradigma utilizado é o da aprendizagem centrado no aprendiz, conforme descrito por Sulami Britto [2] e calcado nas teorias de Vygotsky [15]. A aprendizagem centrada no aprendiz tem como objetivos, a conquista da reflexão crítica, a intersubjetividade, o contexto cultural e o desenvolvimento da criatividade [Britto86]. Na mesma referência encontramos os cinco pontos fundamentais a se considerar na aprendizagem centrada no aprendiz. São eles: i- o significado ou idéia principal da aprendizagem; ii- o comprometimento da vivência da experiência educativa; iii- é dinâmica e transfere-se para situações existenciais; iv- favorece a auto-avaliação, e; v - é diversa e difere de aprendiz para aprendiz. Um item importante é a manutenção da motivação. Ela deve ser mantida em alto nível pelo facilitador e compartilhada pelos aprendizes. É a força propulsora do aprendizado. Sem motivação o aprendizado é incompleto e imperfeito. Considera-se também os efeitos do pensamento de Pierre Lévy [8], [9], [10] acerca da influência da Web e suas implicações na aquisição de conhecimento, no estabelecimento de novos comportamentos, advindos do uso do novo ambiente a que o mesmo denomina: Ciberespaço. Notadamente as

2 2 questões ligadas à inteligência coletiva ser á privilegiada nesse nosso modelo. Muitas são as novidades para a área da educação enquanto sob o ângulo da utilização das tecnologias interativas para o Ensino via Web. O que muda, para melhor ou para pior, ainda é algo questionável. Contudo, a utilização de tais tecnologias em aprendizagem colaborativa produz resultados satisfatórios. Centrando o processo no aluno, que agora é quem busca aprender, uma questão se impõe: como avaliar o progresso do aluno? Nosso pensamento é que uma estrutura computacional contendo um sistema de agenciamento pode trazer luz a esse domínio. Sabemos que os ambientes computacionais de aprendizagem colaborativa são uma realidade concreta. Contudo, independentemente da aprendizagem colaborativa ser ou não aplicável ao domínio do Ensino via Web, a natureza do conhecimento parece ser decisiva para o sucesso dessa metodologia. Os aspectos behavioristas não podem ser de todo negligenciados. Em muitos casos, a disciplina e o reflexo condicionado são fundamentais para o desempenho funcional. Assim, um tal sistema de avaliação precisa ser parcimonioso de modo a também operar com eficácia fora das características da aprendizagem colaborativa. A proposta de desenvolvimento segue o padrão orientado a objetos para projetos de software. Consiste na análise do domínio, na definição da plataforma e dos requisitos do sistema, na documentação segundo a técnica, na produção de códigos, na validação e na implementação. Elegemos a proposta de Rumbaugh [12] para documentar os aspectos convencionais do sistema multi-agente. Para os aspectos nãoconvencionais baseamos o trabalho na proposta da Programação Orientada a Agentes estendida pelo grupo da Reticular Systems. Ainda utilizamos o contexto de Frameworks reativos desenvolvido em Swarcman [14] para estabelecer a plataforma sobre a qual o sistema funcionará. O código está sendo prototipado em Java e XML, uma vez que pretende-se atender as características de multiplataforma, reusabilidade, modularidade e extensibilidade. O esquema básico para acompanhamento da aprendizagem será baseado no uso da técnica Dead Reckoning adaptada de Costa & Feijó [4] apresentada na seção 4. III. A PROPOSTA A. A Dinâmica do Processo Acoplado a um ambiente de aprendizagem baseado na Web, o Framework Multi-Agente permanece ativo executando suas funções autonomamente, como se fosse um secretário de cada ator do processo. À medida que as pré-condições de ação forem se caracterizando, o agente muda seu estado de humor alterando suas crenças, reagindo aos eventos, comprometendo-se e produzindo seus efeitos. Tal como projetado, o sistema atua como se o facilitador estivesse a observar por sobre os ombros do aprendiz ou grupo de aprendizes, oferecendo alternativas e novos desafios, criando assim novos desequilíbrios no estado de conhecimento e motivando-o(s) a um progresso efetivo e contínuo, corrigindo rumos e oferecendo novos caminhos a cada ação. Estendendo o modelo de Noya [11], conforme se vê na Fig.1, o sistema prevê quatro tipos de atores: Facilitador, Aprendiz, Colaborador e Agentes. As respectivas interações, bem como as funções de acesso às correspondentes bases de dados estão lá representadas. O Colaborador representa a implementação da capacidade de mais de um usuário acessar as bases de conteúdo, supervisionado pelo Facilitador, entendido aqui como o supervisor do processo. Junto ao Facilitador, o Colaborador pode modificar conteúdos, estabelecer padrão para avaliação e acessar todas as funções do status de Facilitador. Há dois conjuntos de interfaces onde usuários interagem com o sistema; são elas: Facilitador e Aprendiz. Na interface do Facilitador estão disponibilizadas as seguintes funções: Conteúdo ou Material Instrucional; Modelos de Avaliação e acesso as bases para fins estatísticos. Todas as informações relativas às interações estão armazenadas em bases projetadas para cada finalidade. Atendendo ao requisito de versatilidade, preconizamos vários instrumentos de avaliação. Cada um tem seu molde contemplado por uma estrutura: Estudo de Caso, Exercício, Lista de exercício, Teste, Provas (Objetivas de múltipla escolha, Objetivas de preenchimento de lacunas, Objetivas de verdadeiro ou falso, Objetivas mistas e Subjetivas contendo campos para respostas descritivas), Pesquisa, Projeto, Seminário, Fórum, Simpósio, Chat, Lista de discussão, Grupos de interesse e Painel. A Base de Moldes de Aprendizes consiste de informações sobre a configuração atual onde, através de ganho de informação, se estabelece uma configuração inicial para cada aprendiz. Baseado no principio de independência, liberdade e motivação, as decisões de orientação são tomadas e seus resultados são continuamente avaliados, alterando esse perfil inicial. O ritmo é o do Aprendiz. Cabe ao Facilitador o respeito ao ritmo e, ao mesmo tempo, oferecer oportunidades para o Aprendiz de "per si" alterá-lo. Para cada instrumento, se estabelece um Molde de Avaliação, que é armazenado numa base de dados, a qual pode a qualquer tempo ser acessada e alterada pelo Facilitador. A técnica usada para implementar é a de Frameworks, onde para cada tipo de instrumento, dividimos a estrutura em duas partes fundamentais: os "frozen-spots" constituídos pelas partes constantes de cada molde, e os "hot-spots" compostos por partes que variam de molde para molde e de templates para templates. B. Agentes do Modelo 1) Agente Aprendiz: O agente aprendiz tem como função informar a qualquer momento, por solicitação ou não, a posição de avaliação global; analítica por instrumento; sintética por perfil; pontos a serem fortalecidos e pontos alcançados com êxito pelo Aprendiz. Além disso, este agente deve ter as seguintes missões: auxiliar em buscas de documentos; mostrar datas para metas traçadas pelo Aprendiz; mostrar datas de eventos marcados e as respectivas

3 3 responsabilidades; propor revisão de metas; perceber e comunicar abnormalidades; informar freqüência critica e a ausência de resultados em atividades; estimular o Aprendiz a buscar suas metas quantitativas e a exercer uma auto-avaliação continua e progressiva. Fig 1 - Modelo Integrado de Avaliação Formal e Informal para o Ambiente baseado na Internet 2) Agente Facilitador: O agente facilitador auxilia na confecção de instrumentos de avaliação e atividades gerando e/ou assistindo o Facilitador de forma a assegurar os seguintes pontos: nível esperado de complexidade; adequação a conteúdo e demais perfis de avaliação; e ajuste na exploração das habilidades e comportamentos projetados. Este agente ainda tem as seguintes funções: recuperar instrumento para atualização e manutenção; criticar instrumento; informar a qualquer tempo: o tracking do aprendiz e a avaliação global (sintética, analítica, individual ou de grupo); auxiliar em buscas na WEB sobre temas correlatos; perceber e informar abnormalidades (aprendizes ausentes, aprendizes com nível critico de rendimento, etc.); processar a parte não subjetiva da correção do instrumento e assistir à correção de instrumento pelo Facilitador. 3) Agente Sistema: As funções desse componente são típicas de uma administração de processo; são elas: acompanhamento dos aprendizes em suas atividades; assistência ao cumprimento de metas; assistência ao progresso da aprendizagem e auxilio no tracking do Aprendiz. C. Atividades do Sistema Constituem-se atividades quaisquer instrumentos de avaliação, aulas ou ainda atividades simuladas. São atividades típicas: aulas expositivas, pesquisas, buscas de documentos, avaliação, chats presenciais à distância, newsgroups, etc. Todo o processo de aprendizagem é realizado através dessas atividades. D. Avaliação Inicial Interfaces são utilizadas para a avaliação inicial, parcial e final de cada Aprendiz. Através dessa avaliação os perfis iniciais de inteligências de Gardner [7] são determinados e utilizados como referencial para o curso que o Aprendiz escolher. E. Avaliação por Instrumento As interfaces são utilizadas para as seguintes atividades: (a) elaborar questões e situá-las no contexto da matéria, apresentando o capítulo principal a que a mesma se refere; (b) através desta interface é possível ao Facilitador avaliar em qual nível de complexidade Bloom [1] e qual nível para cada tipo de inteligência foi alcançado Gardner [7]. O agente acessa essa avaliação e procede seu raciocínio. As abnormalidades detectadas são informadas ao Aprendiz e, ao mesmo tempo, lhe é indicado qual ou quais pontos do programa deve o mesmo revisar antes de prestar nova avaliação. Após verificar eventual insuficiência de conteúdo, o agente identifica quais partes da programação, no material instrucional oferecido, o Aprendiz deve reestudar. O agente imediatamente informa e monitora a revisão, reprogramando datas a sugerir para novas avaliações. A cada correção de prova ou outro instrumento de avaliação, o agente prepara um resumo para o Facilitador e registra em banco de dados os resultados para futuras análises de desempenho. O modelo foi concebido para atender às seguintes características: parcimônia, avaliação global, estrutura configurável, multiplicidade de instrumentos, assistência, monitoramento, modularidade, sedimentação e objetividade. Parcimônia no sentido de permitir atualização tecnológica sem traumas ou impactos maiores; avaliação global para contemplar diferenças de objetivos de aprendizagem em ambos os aspectos: de conteúdo e comportamental; estrutura configurável de modo a assegurar adaptabilidade a qualquer domínio do conhecimento; multiplicidade de instrumentos para atender à versatilidade e variedade das formas de avaliação; assistência como característica fundamental, o sistema apenas assistirá ao processo de avaliação; monitoramento como capacidade de rastreio e percepção de abnormalidades na aprendizagem e aconselhamento para solução de deficiências; modularidade para atender ao contínuo aperfeiçoamento de modo rápido, objetivo e seguro; sedimentação como capacidade de manter registros históricos de indicadores e armazenamento de instrumentos em bases de dados para reutilização ou atualização e; objetividade como garantia de que o resultado da avaliação aponte para propostas definidas, mesmo para os casos onde se verifiquem natural e óbvia subjetividade, nos quais deva ser possível estruturar uma avaliação através de um formulário onde o avaliador desenha o que quer avaliar.

4 4 Atendendo ao requisito de versatilidade, preconizamos vários instrumentos de avaliação. Cada um tem seu molde contemplado por uma estrutura. Estão previstos os seguintes instrumentos: Estudo de Caso Exercício Lista de exercício Teste Provas (Objetivas de múltipla escolha, Objetivas de preenchimento de lacunas, Objetivas de verdadeiro ou falso, Objetivas mistas e Subjetivas contendo campos para respostas descritivas) Pesquisa Projeto Seminário Fórum Simpósio Chat Lista de discussão Grupos de interesse Painel Fig 3 Segunda Tela de Avaliação IV. INTERFACES São partes informativas aos usuários, representadas por telas interativas, que devem colher ou dar informação a cada ativação. A. Avaliação Inicial Fig 4 Terceira Tela de Avaliação Fig 2 Primeira Tela de Avaliação As interfaces das Fig. 2, 3 e 4 são utilizadas para a avaliação inicial de cada Aprendiz. Através dessa avaliação os perfis iniciais de inteligências de Gardner [7] são determinados e, assim, podem ser utilizados como referencial para o curso que o Aprendiz escolher.

5 5 B. Avaliação por Instrumento As interfaces da Fig. 5 e 6 são utilizadas para: a) elaborar questões e situá-las no contexto da matéria, apresentando o capítulo principal a que a mesma se refere; b) através desta interface é possível ao Facilitador avaliar em qual nível de complexidade [1] e qual nível para cada tipo de inteligência foi alcançado [7]. O agente acessa essa avaliação e procede seu raciocínio. As abnormalidades detectadas são informadas ao Aprendiz e, ao mesmo tempo, lhe é indicado qual ou quais pontos do programa deve o mesmo revisar antes de prestar nova avaliação. Fig.7 - Exemplo de mensagem ao aprendiz Fig.5 - Interface para elaboração de questões Após verificar eventual insuficiência de conteúdo, o agente identifica quais partes da programação, no material instrucional oferecido, o Aprendiz deve reestudar. Fig.6 - Interface para correção de questões Imediatamente informa e monitora a revisão, reprogramando datas a sugerir para novas avaliações. A cada correção de prova ou outro instrumento de avaliação, o agente prepara um resumo ao Facilitador e registra em banco de dados os resultados para futuras análises de performance. V. O ESQUEMA DE AVALIAÇÃO EM AMBIENTE COOPERATIVO Idealizamos um processo de navegação no espaço de conhecimento baseado na técnica Dead Reckoning. Dead Reckoning é uma abreviação para Deduced Reckoning e consiste num processo de navegação em ambientes virtuais que estima uma distância até a meta usando a posição atual, o tempo, o curso e a "distância" a ser percorrida. A idéia aqui é adaptar a técnica de Dead Reckoning para um espaço virtual abstrato definido por vetores de conhecimento. Basicamente é um processo de revisão das ações de navegação, à medida que se caminha em direção à meta. Pensando num processo de aprendizagem onde o aluno é quem busca conhecer, dados uma meta de aprendizagem e um plano de ação é possível estimar, a cada etapa, as condições para cumprir o objetivo dentro do tempo, do ganho de conhecimento e da competência requerida. Um primeiro ponto básico é como estabelecer a meta e os pontos de controle. Uma vez determinados os pontos de controle e a meta, poderemos, auxiliados por um piloto, ajustar a intensidade de cumprimento de tarefas por unidade de tempo ou procurar cursos alternativos e igualmente interessantes para efetuar um delay de progresso em beneficio de um ganho maior no nível alcançado antecipadamente. Ainda, poderemos estabelecer um piloto para cada navegador aprendiz, de modo que cada um cumpra a meta dentro do tempo realizando os estágios de aprendizagem que lhe é designado por ele próprio ou pelo facilitador. Essa flexibilidade é por demais interessante. Este esquema pode ser feito também para equipes, ao invés de individualmente. Estamos pensando no espaço de estados da mente que aprende, de forma adaptativa, respeitando o ritmo de cada um, e mais, estamos deixando o controle fino para o grupo e/ou indivíduo que está aprendendo. A técnica Dead Reckoning pode ser implementada como elemento comportamental de um agente de software pois, a cada vez que o agente entra em ação, um estado de conhecimento é reconhecido, uma distância abstrata, evidentemente é computável e um plano alternativo de curso possível até um novo estagio é definível, mantendo todo o

6 6 processo rumo a uma meta global. O aprendiz pode aceitar as metas propostas do agente ou escolher seu próprio curso e velocidade. Os pontos de controle são sempre sujeitos a avaliação. Enquanto a tarefa não alcançar o status de cumprida, o aprendiz será estimulado a remar um pouco mais no mesmo sub-espaço de conhecimento. Em termos mais específicos, o piloto do aprendiz navega e traça um plano de navegação, comunica este plano a seus clones. A seguir, os demais clones consideram essas posições e estimam a cada tempo uma direção dos demais e fazem seus planos para alcançarem, no mesmo período, os mesmos objetivos. A cada momento de avaliação cada piloto informa sua posição atualizando os cursos realizados, os planos, submetas, prazos e tarefas a cumprir. O aprendiz pode assim sincronizar o próprio trabalho e aprender em conjunto. Usando o paradigma Dead Reckoning podemos dar ao aprendiz condições para ele estimar seu plano ideal e, com a ajuda dos indicadores dos demais, podemos dar possibilidades para ele ajustar suas velas conforme a direção principal do vento e permanecer atualizado (up-to-date) no grupo. Nesse plano estará refletido o nível proposto pelo facilitador e que deve ser alcançado ou ultrapassado pelo aprendiz. Por outro lado, cada passo de avaliação intermediária do aprendiz refletirá numa posição relativa ao plano e, consequentemente, um deslocamento em relação à sua posição imediatamente anterior à última avaliação realizada. Podemos então estabelecer uma movimentação que será entendida como válida se esta não altera para pior a situação anterior. Contudo, se esta for para pior de fato, o agente piloto entra em ação, agindo como auxiliar do aprendiz na retomada da direção correta. Várias são as possibilidades de correção de rumo e variam de aprendiz para aprendiz, de lição para lição e de tempo para tempo e, ainda, de estado mental do aprendiz para estado mental do aprendiz. Assim, os clones precisam ser dotados de uma autonomia mínima representada por um mecanismo de previsão da evolução do respectivo piloto e de um mecanismo de reação a abnormalidades advindas de uma possível dessincronização dos aprendizes do grupo. Exemplificando, a idéia básica consiste em estabelecer um piloto, que fica na estação do aprendiz e agentes avataresclone que ficam em cada estação dos demais. O piloto gera um plano global, traça metas intermediárias, detecta inconsistências, reage replanejando e escolhe entre submetas que não alterem o plano global. O mecanismo de previsão permite que os avatares-clone, que estão indicados nas estações dos outros aprendizes, estimem o curso do piloto e o sigam, dando assim uma posição estimada de cada um aprendiz, para cada um dos demais e para o facilitador. Também o facilitador dispõe do seu piloto e de avatares nas estações de cada aprendiz. Esta informação deve ser dada a cada momento onde um aluno tenha alcançado um salto significativo de aprendizagem, salto esse sinalizado tanto pela percepção do agente facilitador como pela percepção do avatar piloto do aprendiz. Enquanto não se dá tal evento ou o prazo para todos realizarem a avaliação parcial, os agentes trabalharão com avatares-clone que estimarão o estado de conhecimento de cada aprendiz. A cada avaliação, o piloto, isto é, o agente do aprendiz que realizou a avaliação envia aos demais a posição dele corrigindo as crenças dos avatares-clone. Assim, cada aluno, cada facilitador e cada colaborador terão em sua máquina um agente piloto e um grupo de avatares representativos da situação dos demais. Cada participante pode controlar o seu curso de ação e estimar a evolução com que cada outro aprendiz realiza seu aprendizado. O facilitador, por sua vez, terá à sua disposição um conjunto de avatares-clones sempre atualizáveis, refletindo o progresso de cada participante, podendo com isso realizar ações para coordenar o processo. Será enfatizada a orientação da aprendizagem centrada no aprendiz; isto é, ações mandatárias do facilitador deverão ser minimizadas ou até mesmo evitadas. O processo então adquire uma visibilidade das posições de cada aluno mesmo que eles estejam aprendendo assincronamente. Nos pontos síncronos planejados será possível corrigir as posições de todos os clones em relação aos respectivos pilotos. As metas parciais podem ser representadas por caracterização do estado mental estimado pelo agente. O mecanismo de previsão é constituído por mensagens de metas a atingir e de metas atingidas enviadas pelos pilotos aos seus clones, bem como por planos de previsão executados pelos próprios clones para alcançar as metas especificadas. Notemos que se trata de alcance de conteúdo, de nível de absorção do mesmo e também de estimativas de demonstração de habilidades em aprendizagem. O mecanismo de recuperação é constituído por metas intermediárias enviadas pelo piloto aos clones e por planos de recuperação executados pelos clones para alcançar tais metas. As metas intermediárias são enviadas quando o piloto, segundo algum critério, considerar que os clones necessitam de recuperação. A formulação e execução do plano de recuperação são ativadas quando, também segundo algum critério, uma inconsistência significativa é detectada ou o curso do aprendiz tende a ultrapassar um limite crítico. Podemos ver, na figura 8 um exemplo de controle. Propositadamente está referenciada apenas a função de comunicação para o piloto do aprendiz 1, para simples efeito de simplificação da figura. Os demais aprendizes tem seus pilotos executando as mesmas funções. Imaginemos agora, como seriam as ações piloto-clone. Enquanto um piloto não se manifesta, indicando alteração, os avatares mantêm a situação concreta anterior e estimam as direções possíveis. Havendo mudança de plano, esta poderá ter dois tipos de impacto: mudanças que alteram a meta global e mudanças que não alteram a meta global. Os estados mentais dos pilotos e dos clones, são alteráveis conforme tais mudanças. As ações dos pilotos com relação à correção dos planos podem ser ilustradas pela figura 9. Os referenciais absolutos serão configuráveis porém, uma vez especificados, não podem ter mudanças para a disciplina que está sendo aprendida até que termine o processo. Tais

7 7 referenciais serão representados por templates de avaliação que serão definidos pelo facilitador, permitindo assim a avaliação de aprendizagem tanto de conteúdo quanto de habilidades. Um referencial, dentre tantos, pode ser realizado pelas âncoras de avaliação propostas por Bloom [1] e por Gardner [7]. Estas âncoras podem ser alteradas conforme a conveniência por outras igualmente funcionais. Fig. 8 - Ação e interação dos agentes piloto e clones Fig. 9 - Ação e interação dos pilotos na busca da meta VI. CONCLUSÃO Neste trabalho procuramos dar um enfoque abrangente ao tema avaliação, notadamente sobre os vários modelos de instrumentos e as várias abordagens cabíveis. De certo, não procuramos esgotar o tema, que permanece polêmico, embora alguma luz já tenhamos sobre o assunto. A parte original do projeto não se encontra na metodologia, mas na organização de um sistema computacional para apoiar a avaliação de aprendizagem. Temos, duas linhas estruturais básicas para estabelecermos os perfis dos aprendizes. No espectro de inteligências múltiplas de Gardner [7] poderá o Facilitador ancorar os tipos de habilidades e conhecimentos que pretende que o Aprendiz exiba e manipule ao longo da interação. Isso decorre de uma prévia noção sobre as habilidades necessárias ao Aprendiz para que tenha êxito no curso. Por esse prisma podemos verificar se o Aprendiz apresenta vocação para o tema que vai aprender. Na taxonomia de Bloom [1] asseguramos níveis hierárquicos evolutivos para serem alcançados. Neste aspecto, podemos ajudar o Aprendiz a avançar em graus de complexidade e observar como e de que modo ele, o Aprendiz, consegue evoluir. Com base nestas duas vertentes, é possível estabelecer e remodelar um perfil para cada um e preparar agentes para monitorá-los, observando abnormalidades em relação ao molde atual, a cada etapa do processo de aprendizagem. Vimos também que oportuna e necessária se faz a autoavaliação. Esta é a chave de motivação do Aprendiz. A motivação é intrínseca do Aprendiz. O Facilitador pode, no máximo, estimular a que ela aconteça Vygostsky [15], mas não se pode atribuir sucesso apenas pelo estimulo. O Aprendiz pode não aceitar ou não responder positivamente a ele. Dada a grande variedade e abrangência do tema, torna-se por demais complexa e diríamos até mesmo impossível, a construção de um sistema fechado, do tipo convencional para mapear para um computador a tarefa de avaliar o Aprendiz. A idéia fundamental é a da montagem de "workframes", os quais se mostram adequados a uma variedade de conteúdos e de aplicações para diversas naturezas de conhecimentos, e atendem ao requisito de sistemas abertos, configuráveis e expansíveis. Assim, optando por essa idéia, podemos adaptar instrumentos, melhorar instrumentos implementados, e configurar instrumentos para cada etapa do processo de aprendizagem e, cumulativamente, à luz de experiências vivenciadas, ir aperfeiçoando continuamente cada instrumento. O resultado disso ao fim de um tempo razoável é um boa coleção de instrumentos e variações destes, disponibilizadas e em ponto de serem utilizadas por facilitadores humanos e utilizáveis pelos agentes para monitoração. Embora haja interesse na avaliação global, entendemos que esta não pode ser encarada como um mero processo de medida ao final do programa de estudo do Aprendiz. Deve haver uma continuidade e um sentido de acompanhamento ao invés do tradicional sentido de conferir ou policiar se o Aprendiz está aprendendo. Avaliação é, atualmente, muito mais uma fotografia temporária da evolução do Aprendiz. O tema é vasto, e não poderíamos em tão curto espaço de tempo, estabelecer uma solução definitiva para o mesmo. Optamos assim, por oferecer uma visão de alto nível de um projeto de avaliação para um ambiente de Ensino a Distância

8 8 via WEB, agenciado por software. O agenciamento é fundamental para o sucesso da avaliação. Sendo complexa e mais abrangente do que da forma tradicional, tal agenciamento alem de bem-vindo é imprescindível. Do modo como foi proposto neste trabalho, o agenciamento não substitui, como não deveria mesmo substituir, a avaliação humana do processo. E, ainda, boa parte do processo avaliativo, será realizado em bases subjetivas. Daí a importância dos workframes adaptativos. Cada Aprendiz tem um molde, e cada molde um comportamento a monitorar, tornando por demais complexa a tarefa de avaliar adequadamente a performance global de cada Aprendiz. A âncora do agenciamento está no tratamento aos moldes (ou perfis) que evoluem à medida do progresso do Aprendiz. Podemos dizer que houve êxito, mesmo que ao comparar cada Aprendiz com outro se verifique performances bastante diferenciadas. A idéia central da nossa proposta está contida nessa citação de Carl Roger, encontrada em [2]: Dar o mesmo ponto de partida e estimular que o ponto de chegada seja o mais distante possível, sempre no sentido para melhor e individualmente para cada Aprendiz. Isto é, sem perder a noção de eficácia, aqui entendida como alcançar o perfil mínimo projetado, coloca-se os olhos de forma positiva no aspecto eficiência do Aprendiz ao aprender levando-o a aprender continuamente. Como exemplo de modelagem, podemos estabelecer o seguinte: Projeta-se um curso, que consta de uma formação em matemática. É evidente que a inteligência lógica-matemática e a inteligência lingüistica deve ser estimulada nesse domínio. Além destas, e diríamos em todos os domínios, também se fazem necessárias as inteligências intra e interpessoal. Assim, cada instrumento deverá se direcionar para o estimulo destas quatro em mais ênfase do que as demais. Nada impede que as outras preconizadas no espectro de Gardner [7] estejam presentes e contribuam. O importante, no projeto do curso é assegurar que haverá estímulos em nível suficiente para as quatro citadas. Sabidamente, o espaço de estados mentais de um sistema multi-agente pode ser de complexidade intratável. Espera-se que o sistema atue sobre abstrações mensuráveis e sujeitas a erros como na verdade acontece no processo convencional. Procuramos, com o mecanismo de estimação, reduzir a necessidade de comunicação síncrona a níveis essenciais. Desse modo, espera-se que grupos maiores possam ser monitorados e assistidos. Tal como projetado, cada agente piloto operará guiado principalmente por auto-avaliações, o que resulta numa estimulação positiva nas projeções de inteligência intrapessoal e interpessoal. Assim, o processo ganha autonomia e se torna intensamente centrado nas atividades do aprendiz, embora não dispense a atuação do facilitador que é, em ultima instância o responsável pelo estabelecimento das ações de avaliação de caráter subjetivo. Possivelmente, outras técnicas, inclusive a de Agentes Móveis poderiam ser consideradas no desenvolvimento deste framework multiagente. Observa-se porém, que tais tipos de agentes apresentam instabilidades decorrentes da performance da Web, indesejáveis por ora, dado que não se dispõe de mecanismos de sincronia satisfatórios. Por fim, estamos investigando a aplicabilidade da teoria dos grupos operativos de Pichon-Riviére, na montagem das estrutura computacional de avaliação dos trabalhos em grupo. Esperamos bons resultados dada a existência de experiências bem sucedidas dessa teoria na área médica e empresarial. Trata-se de um design pattern interessante que bem adaptado pode sustentar a avaliação de trabalhos de aprendizagem em grupo, tais como lista de discussão, seminários, etc. REFERÊNCIAS BIBLIOGRÁFICAS [1] Bloom, B. S. (1956), Taxonomy of Educational Objectives: handbook 1, Cognitive Domain. New York: Longman. [2] Britto, Sulami Pereira (1986). Psicologia da Aprendizagem Centrada no Estudante, São Paulo Campinas: Ed. Papirus. [3] Burkhard, H.D. (1996). Open Systems Agent Oriented Programming. Institute of Informatics, Humbolt University Berlin. [4] Costa, M., Feijó, B.(1986), Agents with emotions in behavioral animation. Comput. & Graphics, 2, nº 3, [5] D Souza, D.M., Wills, A.C. (1998), Objects, Components and Frameworks with UML The Catalysis Approach. Massachusets: Addison Wesley. [6] Fuks, H. (2000). Aprendizagem e Trabalho Cooperativo no Ambiente Aulanet. Monografia em Ciência da Computação nº 11/00. Rio de Janeiro: Depto de Informática PUC-Rio. [7] Gardner, Howard (1994). Estruturas da mente : a Teoria das Inteligências Múltiplas. Porto Alegre: Ed. Artes Médicas. [8] Lévy, Pierre (1993). As Tecnologias da Inteligência, Rio de Janeiro: Ed. 34. [9] Lévy, Pierre (1996). O Que é Virtual. São Paulo: Ed. 34. [10] Lévy, Pierre (1999). Ciberespaço. São Paulo: Ed. 34. [11] Noya, Ricardo Choren (1998). Quest - Um Sistema de Avaliação Educacional para a Web, Rio de Janeiro: Dissertação de Mestrado - PUC-Rio. [12] Rumbaugh, J., Blaha, M., Premelani, W., Eddy, F., & Lorensen, W. (1994), Modelagem e Projetos Baseados em Objetos. Rio de Janeiro: Editora Campus, Rio de Janeiro. [13] Russel, S., & Norvig, P. (1995), Artificial Intelligence A Modern Approach. New Jersey: Prentice Hall Series in Artificial Intelligence. [14] Szwarcman, D., Feijó, B., Costa, M. (2000) A Framework for Networked Reative Characters. (under appreciation). Rio de Janeiro: Depto de Informática - PUC-Rio. [15] Vygotsky, L.S.(1996), A Formação Social da Mente. São Paulo: Ed. Martins Fontes.