Acompanhamento do processo de construção do conhecimento por meio de um agente probabilístico

Transcrição

1 Acompanhamento do processo de construção do conhecimento por meio de um agente probabilístico Louise J. Seixas 1, Cecilia D. Flores 2, João C. Gluz 2, Rosa M. Vicari 2 1 Pós-graduação em Informática na Educação Universidade Federal do Rio Grande do Sul (UFRGS) Caixa Postal Porto Alegre RS Brasil 2 Instituto de Informática Universidade Federal do Rio Grande do Sul (UFRGS) Caixa Postal Porto Alegre RS Brasil seixas@farmacia.ufrgs.br,{dflores,jcgluz,rosa}@inf.ufrgs.br Resumo. Este artigo apresenta alguns aspectos do projeto AMPLIA, referentes ao acompanhamento do processo de tomada de consciência do aluno durante a construção de seus modelos de representação do conhecimento. Destaca-se a viabilidade de utilização de redes bayesianas como recurso pedagógico e para a obtenção de informações precisas das ações do aluno durante o processo. Estas informações podem ser analisadas tanto por um professor, quanto por um agente probabilístico, no caso o Agente Aprendiz, com congruência dos resultados qualitativos e quantitativos. Palavras-chave: ambiente inteligente de aprendizagem, agente aprendiz, redes bayesianas, inferência de credibilidade 1. Introdução Este trabalho apresenta alguns aspectos do Projeto AMPLIA Ambiente Multiagente Probabilístico Inteligente de Aprendizagem (SEIXAS, 2003), que tem por objetivo possibilitar que um aluno possa construir seus modelos de conhecimento e avaliar suas hipóteses (p.ex,.diagnóstico para um caso clínico, na área médica). Esse modelo é analisado por um agente inteligente (Agente de Domínio) que representa o especialista do domínio, e é classificado de acordo com a presença/ausência das variáveis e suas relações de dependência. Outro agente (Agente Aprendiz) observa as ações do aluno e infere o grau de credibilidade que o sistema pode ter nas ações autônomas do aluno, ou seja, o quanto é possível acreditar que as ações do aluno sejam orientadas por suas hipóteses. Todas essas informações são utilizadas por um terceiro agente (Agente Mediador), que seleciona estratégias para apoiar o aluno neste processo de aprendizagem. Estas estratégias orientam o aluno no sentido de selecionar e relacionar as informações disponíveis, construindo conceitos e formulando hipóteses, desenvolvendo capacidade para diagnosticar adequadamente e com confiança (um caso clínico) a partir das evidências. O objetivo do trabalho atual é discutir a modelagem dos agentes inteligentes do sistema, em especial do Agente Aprendiz. Destaca-se o acompanhamento do processo de tomada de consciência do aluno, durante a construção de seus modelos de representação do conhecimento e a inferência realizada pelo Agente Aprendiz. Na área da educação, uma atenção especial é dedicada aos domínios de conhecimento incerto, como o dos julgamentos e dos diagnósticos, que envolvem uma quantidade considerável de variáveis com inter-relações de dependência. A formação de especialistas nestes domínios exige que os alunos desenvolvam um raciocínio que lhes permita analisar diferentes hipóteses, optando por aquela que acreditam ser a mais provável em função das evidências disponíveis. Nos cursos de graduação e especialização, várias metodologias são utilizadas, como observação e discussão de casos, seminários, simulações e supervisões. O avanço da informática possibilitou o desenvolvimento de sistemas de apoio à decisão (RUSSEL et al, 1995), programas computacionais comuns na área médica, com os modelos das hipóteses de diagnóstico construídos por especialistas. Estes programas podem ser consultados por profissionais e, em alguns casos, utilizados como recursos pedagógicos. A dificuldade acadêmica encontra-se neste ponto: um aluno pode consultar um sistema desses e reproduzir uma hipótese diagnóstica do especialista, mas isto não garante que venha a compreender toda a sua complexidade e, muito menos, que seja capaz de fazer o seu próprio diagnóstico a partir de

2 outro conjunto de variáveis. O ideal seria trabalhar com todas as hipóteses do especialista (desde que fosse possível) para que um aluno pudesse compreender como e porque determinado diagnóstico foi selecionado; em outras palavras, é importante que o aluno tenha consciência de todas as etapas do processo que levam à construção e seleção de uma hipótese e não somente conheça o resultado final. O que se observa no dia a dia, é que o profissional da saúde muitas vezes recorre à solicitação de exames clínicos e laboratoriais, por vezes até desnecessários, procurando a confirmação do diagnóstico através de dados concretos, quando estes já poderiam ter sido inferidos precocemente. Uma interpretação desta conduta, é que este profissional tem dificuldade em lidar com um grande número de variáveis e de relacioná-las com alguma hipótese, assim como tem dificuldade em selecionar variáveis que confirmem ou afastem uma hipótese 1. Um enfoque pedagógico desta interpretação, à luz da teoria do construtivismo, permite identificar elementos importantes discutidos por Piaget em seus estudos sobre o processo da tomada de consciência (PIAGET, 1978a). Este trabalho inicialmente apresenta a fundamentação teórica sobre o processo de tomada de consciência, seguida de uma retomada do problema de formação de especialistas em áreas de conhecimento incerto. É proposto o uso de redes bayesianas (PEARL, 1993), em um ambiente computacional, para a representação do conhecimento do aluno, e é apresentado um caso de estudo, para ilustração das discussões sobre o acompanhamento do processo de tomada de consciência. Em seguida é apresentado como um agente inteligente pode, à semelhança dos professores humanos e com auxílio de redes bayesianas, fazer inferências sobre as ações do aluno e selecionar a apresentação de estratégias pedagógicas que tenham maior probabilidade de atender ao nível de tomada de consciência (PIAGET, 1978a) em que o aluno se encontra. 2. Fundamentação teórica A tomada de consciência é um processo que consiste...numa passagem da assimilação prática (assimilação de um objeto a um esquema) para uma assimilação por meio de conceitos. (PIAGET, 1978a, p. 200), caracterizando-se portanto por um continuum de consciência que tem início na ação. Esta se constitui como um conhecimento autônomo com possibilidade de êxito precoce, sem que ocorra uma tomada de consciência. Então, num primeiro nível, há somente ações materiais sem conceituação. O sujeito utiliza abstrações empíricas 2 e pseudo-empíricas 3 para a regulação de novas ações. Há uma interiorização das ações por assimilação dos esquemas e uma exteriorização por acomodação do sujeito, através da orientação de condutas instrumentais ou de uma lógica das ações. Em um segundo nível, a apropriação dos mecanismos de coordenação das ações permite a construção das operações o que constitui a tomada de consciência. A interiorização é feita pela abstração empírica e agora, também, por uma abstração reflexionante 4, e a exteriorização, por meio da representação das observações, interpretações dedutivas e explicações causais. Esta fase normalmente é longa, e a ação e a conceituação encontram-se aproximadamente no mesmo nível, em uma constante dialética. A conceituação fornece, para a ação, planos restritos e escolhas. A realização de novas operações sobre as operações anteriores, através de abstrações refletidas 5, possibilita que a conceituação ultrapasse a ação e passe a dirigi-la. Assim, um terceiro nível é exteriorizado através da possibilidade de variação de fatores, da experimentação e da construção de modelos ou hipóteses. 1 Um exemplo pode ser encontrado em ARIETA, Carlos Eduardo Leite, NASCIMENTO, Maurício Abujamra, LIRA, Rodrigo Pessoa Cavalcanti et al. Waste of medical tests in preoperative evaluation for cataract surgery. Cad. Saúde Pública, Jan./Feb. 2004, vol.20, no.1, p ISSN X. 2 Abstração empírica retira dados de observação dos objetos ou das ações. 3 Abstração pseudo-empírica retira dados através da intervenção do sujeito. 4 Abstração reflexionante extrai coordenações inferenciais das coordenações das ações. 5 Abstração refletida resultado do processo de conscientização.

3 A tese que Piaget discute nas obras A Tomada de Consciência (PIAGET, 1978a) e Fazer e Compreender (PIAGET, 1978b) é que, por ter obtido êxito em alguma ação (conseguir, acertar) não significa que o sujeito tenha compreendido o fato em si, embora a compreensão (tomada de consciência) sempre ocorra a partir de uma ação, em situações elementares. A partir de determinado nível e em situações mais complexas, há influências resultantes do conceito sobre a ação. Assim, se em situações elementares é possível fazer sem compreender, normalmente a compreensão decorre do refletir sobre o fazer e, em estágios superiores, é possível pensar e experimentar como fazer ou criar um fazer diferente. Observando-se a importância do Fazer para a tomada de consciência, um desafio é a utilização destes estudos especificamente para nortear as ações do professor de modo a permitir a construção do conhecimento pelo aluno. É importante que o professor acompanhe e reconheça o processo desenvolvido por seu aluno, identificando em que ponto ou nível ele se encontra ao estudar determinado objeto e, a partir destas observações, oferecer ou criar condições para que o aluno possa fazer com êxito, refletir e finalmente criar novas hipóteses. Este professor por sua vez, para construir o seu modelo de aluno baseia-se em observações que podem estar sujeitos a erros e a variações pessoais não podendo ser tomados como absolutos e sim como prováveis indícios que serão constantemente reavaliados. Este desafio aumenta na medida em que o aluno (jovem ou adulto) atua no nível das operações formais. Portanto, o objeto deixa de ser um material concreto, como objetos físicos, passando a representações do objeto, como textos descritivos, modelos matemáticos, tabelas e/ou regras. O professor deve acompanhar a construção da representação do objeto e não somente considerar o resultado final, de maneira a identificar todo o processo dialético de interiorização e exteriorização possibilitando a intervenção pedagógica dirigida ao nível de conceituação deste aluno. Na ótica da Informática na Educação a questão também é desafiante, como em ambientes de aprendizagem onde agentes inteligentes assumem o papel do professor. Estes ambientes devem permitir ao aluno a representação de seu modelo de raciocínio (processo de tomada de consciência) e aos agentes inteligentes o acompanhamento e a interpretação deste processo. Estes requisitos são atendidos pelas redes bayesianas, que disponibilizam uma interface gráfica para uma modelagem intuitiva, com base em princípios matemáticos bem fundamentados. 3. AMPLIA e a proposta do uso de redes bayesianas Uma rede bayesiana é um grafo orientado acíclico onde nodos são variáveis aleatórias e arcos representam relações de dependência probabilísticas direta entre os nodos que conectam. A intensidade do relacionamento de X com seus pais (nodos com arcos que incidem em X) é dada por P(X pa(x)), distribuição de probabilidade condicional de X, dado seus pais. P(X 1,..,X n )= i P(X i pa(x i )) é a distribuição de probabilidade conjunta de todas as variáveis. Se pa(x i ) for o conjunto vazio, P(X i pa(x i )) se reduz à distribuição incondicional de X i (RUSSEL; NORVIG,1995). Redes bayesianas têm sido largamente utilizadas, a nível mundial, para modelar domínios (COMMUNICATIONS OF THE ACM, 1995). A incerteza é representada pela probabilidade e a inferência básica é o raciocínio probabilístico, ou seja, o cálculo da probabilidade de uma variável ou mais, face à evidência disponível. Essa evidência é representada por um conjunto de variáveis com valores conhecidos. A proposta de utilizar as redes bayesianas como uma ferramenta para que os alunos possam representar o seu conhecimento através de modelos probabilísticos deriva da possibilidade de construir e observar concretamente o seu objeto de estudo, formulando e testando as suas hipóteses. Por outro lado, por se constituir um recurso computacional, o processo pode ser facilmente acompanhado por agentes inteligentes, responsáveis pela seleção de estratégias pedagógicas. Para a construção destes modelos é utilizado o editor Seamed (FLORES, 2001). A Figura 1 apresenta uma visão parcial de uma rede de Insuficiência Cardíaca Congestiva (ICC) modelada por um especialista.

4 O layout da rede organiza os nodos representantes das etiologias de ICC no canto superior esquerdo da figura. Elas estão divididas em 3 principais grupos: 1) IC por baixo-débito; 2) IC por alto-débito; e 3) IC por sobrecarga de fluidos. Ao centro, encontramos o nodo ICC, o principal nodo diagnóstico da rede para o qual estão convergindo todos os nodos representantes de sinais, sintomas e achados laboratoriais e radiológicos do paciente. Acima do nodo de ICC, encontramos as entidades representativas dos graus de severidade da doença: as Classes de 1 a 4 da American Heart Association. Abaixo, encontramos os nodos representantes do diagnóstico diferencial da ICC (ou seja, doenças que geram confusão, por apresentarem uma sintomatologia semelhante ao da ICC). Figura 1: Visão parcial da rede de ICC. No AMPLIA o aluno recebe um texto de um caso clínico contendo informações sobre o paciente (sinais, sintomas, exames e diagnósticos) e que já foi modelado por um especialista (Figura 1). Juntamente com o caso, é disponibilizada uma lista de variáveis que poderão ser manipulados pelo aluno durante o processo de modelagem, sob a forma de nodos, que podem ou não ser pertinentes ao caso (nodos do caso ou nodos desnecessários) ou até nodos que excluem o diagnóstico mais provável. Cada caso clínico possui um menu de ajuda, que contém breves descrições dos nodos e um repositório de material de apoio como artigos científicos, links, vídeos ou informações adicionais. Figura 2: A rede de ICC modelada pelo aluno, a partir de um caso clínico.

5 O aluno deve construir a sua hipótese selecionando os nodos que julgar adequado e relacionálos através dos arcos, de maneira a justificar qualitativamente 6 o seu diagnóstico. A Figura 2 apresenta um exemplo de rede que representa um caso clínico de ICC modelada por um aluno. O processo pode ser acompanhado em todos os seus detalhes, pois as ações do aluno estão registradas (log). Assim, nodo a nodo e arco a arco, a maneira como o aluno seleciona as variáveis, as relações entre elas e como constrói sua hipótese, a solicitação de ajuda, bem como o uso ou não de estratégias oferecidas pelo Agente Mediador, são analisados pelo Agente Aprendiz com o propósito de avaliar o nível de tomada de consciência deste aluno. Exemplos de log são apresentados na figura 3. Figura 2 Exemplos de log de alunos no AMPLIA 4 Análise e discussão do processo de construção do conhecimento do aluno 6 Neste trabalho não estão sendo consideradas as relações de dependência quantitativa entre as variáveis.

6 Nesta seção é apresentado um estudo piloto, onde inicialmente um professor analisa as ações de 6 alunos, buscando inferir o nível de tomada de consciência e a conseqüente seleção da provável estratégia pedagógica mais apropriada para cada caso. As ações dos alunos estão descritas abaixo: Aluno 1 Aluno 2 Aluno 3 Aluno 4 Aluno 5 Aluno 6 Coloca vários nodos na tela, inclusive nodos desnecessários. Faltam nodos referentes ao caso, inclusive o nodo diagnóstico. Faz muitas alterações, incluindo e excluindo um mesmo nodo repetidas vezes. A colocação dos arcos é feita com poucas alterações. Coloca todos os nodos na tela, com exceção do nodo diagnóstico. Insere os arcos, depois os remove e insere novamente, com sentido inverso. Exclui nodos e volta a inseri-los. Faltam alguns nodos relacionados ao caso. Coloca todos os nodos na tela e depois os arcos. Exclui praticamente todos os nodos (e arcos) e depois os recoloca novamente, com os arcos. Coloca todos os nodos e arcos, com poucas alterações. Coloca todos os nodos do caso, e depois os arcos, com algumas alterações. Não há nodos desnecessários. Coloca os nodos do caso, com exceção de um. Depois inclui os arcos, praticamente sem alteração. De acordo com os estudos das obras citadas de Piaget, é possível identificar três níveis no processo de tomada de consciência: no primeiro, as ações são somente materiais e particulares, sem conceituação; no segundo nível, a coordenação das ações possibilita a representação das relações, que é a conceituação e finalmente no terceiro e último nível, o sujeito é capaz de realizar abstrações refletidas, ou seja, elaborar hipóteses que dirigem a ação. Considerando que um aluno inicia a construção de seu modelo colocando todos ou a maioria dos nodos de uma maneira aleatória, ou então de uma maneira regular de acordo com a ordem de aparecimento no texto ou ainda em ordem alfabética, sem a colocação de arcos: o professor, nesta proposta, tem indícios de que provavelmente o aluno está agindo sem considerar as conceituações existentes (relações entre as variáveis). Seriam alunos que estão mais próximos do primeiro nível, como os alunos 1, 2, 3 e 4, que constroem seu modelo a partir de uma abstração empírica. - O aluno 1, por exemplo, aparenta ter muitas dúvidas em relação a um determinado nodo, ou seja, não tem idéia se o nodo está ou não relacionado ao problema. - O aluno 2, por outro lado, ao não incluir o nodo diagnóstico, não relaciona as variáveis ao problema em si. - O aluno 3 colocou todos os nodos e depois iniciou a construção das relações, mas em situação inversa (um diagnóstico explica a presença de sintomas, sinais, exames, etc). - O aluno 4 ao colocar todos os nodos, também utiliza a abstração empírica para a construção de seu modelo. Entretanto, o fato de fazer poucas alterações nos nodos e nos arcos, indica que também utiliza a abstração reflexionante. As ações do aluno 6 reúnem indícios de que este esteja no segundo nível: após analisar algumas variáveis que podem ter um maior significado, o aluno provavelmente está formulando uma hipótese, que começa a justificar com o acréscimo das informações complementares. Nesse caso, faltou um dos nodos que consta no modelo do especialista. O aluno 5 iniciou selecionando os nodos do caso, inclusive o nodo diagnóstico e depois colocou os arcos. A dificuldade em relacionar corretamente os arcos, pode indicar que esse aluno tem

7 uma hipótese, que deseja demonstrar com as variáveis selecionadas. Estas ações são indícios de que este aluno se encontra no terceiro nível, de acordo com os estudos de Piaget. Ainda analisando o processo do aluno 3, a construção de um modelo onde o diagnóstico justifica os achados (sintomas, sinais, exames, etc.), não corresponde a conduta esperada para um especialista, que tem acesso aos achados e é a partir destas evidências que deve realizar o diagnóstico. Observando o processo de construção desses alunos, fica claro que se encontram em diferentes níveis de conceituação e que, caso os alunos 1, 2 e 3 consigam elaborar a sua hipótese diagnóstica, será por um caminho longo de tentativas e retomadas (como o aluno 3, que refez todo o processo) sem garantias de que consigam refazê-lo. Estratégias pedagógicas apresentadas sob a forma de exemplos, indicações, experimentações ou demonstrações, recursos ricos para abstrações empíricas e pseudo-empíricas, podem auxiliar estes alunos a ultrapassar este nível. Já os alunos 4 e 6, que estão trabalhando com as relações entre as variáveis, provavelmente serão mais beneficiados com estratégias apresentadas sob a forma de argumentações e pesquisas de hipóteses. O aluno 5, que está mais próximo ao nível onde a conceituação orienta a construção de suas hipóteses, é apoiado, por sua vez, através de sugestões, desafios para reflexão e problematizações. Estas táticas visam a estimular o aluno a realizar abstrações reflexionantes e principalmente abstrações refletidas, testando o seu modelo e ampliando-o com outras variáveis. As ações do professor, embora baseadas nos indícios acima descritos e apoiadas na teoria de Piaget, não são de maneira alguma ações definitivas e conclusivas, mas sim uma crença baseada em suas experiências e suas observações. No decorrer do processo estas ações podem ser modificadas, adaptando-se a dinâmica do processo em si. 5. Inferências do Agente Aprendiz Para que um agente inteligente, no caso, o Agente Aprendiz, possa fazer inferências semelhantes ao professor, propõe-se que os três níveis de tomada de consciência formulados por Piaget sejam determinados probabilisticamente, também através de uma rede bayesiana, como representado na figura 3. Figura 3 Rede bayesiana do Agente Aprendiz As informações dos nodos são obtidas a partir da análise do log, e tratadas matematicamente, possibilitando que o Agente Aprendiz possa inferir um valor apropriado para um parâmetro denominado Credibilidade (variável Credibilidad). Esta credibilidade deve ser vista no contexto de análises anteriores, publicadas em (FLORES, 2004) (SEIXAS, 2003), relativas aos ciclos de interação que ocorrem entre um aluno e um professor durante um processo ensino/aprendizagem. Os ciclos são modelados num processo mais abstrato de interação denominado Negociação Pedagógica, onde o principal objetivo a ser alcançado é o

8 estabelecimento e o reforço de um alto grau de confiança entre os participantes no processo. Não se trata de uma confiança genérica, mas sim bem específica e objetiva, relativa às habilidades alcançadas e demonstradas pelo aluno em relação ao domínio de aprendizagem. No presente trabalho esta análise é levada adiante, no sentido que o papel professor é desempenhado por três agentes inteligentes, dos quais, o Agente Aprendiz, é responsável por inferir os conhecimentos (a visão ou modelo ) que o professor tem sobre o aluno. Assim, um importante componente da confiança a ser estabelecida/reforçada num dado processo de ensino/aprendizagem, é o grau de crença numa ação autônoma do aluno, ou seja, o quanto se acredita que as ações do aluno sejam mais ou menos orientadas por suas hipóteses. A análise delineada neste trabalho, que aplica a Teoria Construtivista e métodos probabilísticos quantitativos para estabelecer a credibilidade na autonomia do aluno, como um componente da confiança a ser alcançada num processo de ensino/aprendizagem, não tem um paralelo exato em pesquisas atuais sobre pedagogia. Na verdade, os estudos que mais se aproximam desta abordagem são relativos a identificação, classificação e formalização da noção social de confiança em sistemas multiagente (CASTELFRANCHI, 1998) (FISCHER, 2002). Um trabalho recente de Castelfranchi et al (CASTELFRANCHI, 2003) apresenta além da necessidade de se levar em conta a noção de probabilidade subjetiva na compreensão do conceito de confiança entre agentes, também expõe as várias dificuldades encontradas num processo genérico de formação deste conceito a partir de fontes distintas de informação. O projeto AMPLIA aprofunda a reflexão com base em fundamentos epistemológicos que sustentam as decisões de pesquisa. Em particular, ao se concentrar o trabalho num domínio específico (aprendizagem na área médica) e estipular uma definição precisa e verificável de confiança (probabilidade de que uma dada ação seja efetuada), foi possível refinar esta definição em componentes determinados seguindo diretamente a arquitetura de agentes, ou seja, definir um processo de inferência que permita ao agente Aprendiz identificar o grau de credibilidade na autonomia da ações de um aluno. As variáveis Diagnóstico e Desnecessários têm como estados as probabilidades Ausente e Presente. A determinação de qual estado (presente ou ausente) deve ser levado em conta é obtida diretamente pela observação do modelo do aluno. As variáveis Nodos e Arcos tem as probabilidades Poucas, Médias ou Muitas Alterações, determinadas através de expressões matemáticas calculadas sobre os elementos do modelo e também sobre o conjunto de ações de manipulação que o aluno empregou para chegar a este modelo (informações contidas no log). No caso dos Nodos é determinada a proporção dos nodos pertencentes ao caso e que estão no modelo do aluno, multiplicada pela proporção do número de nodos totais do modelo do aluno e a quantidade de movimentos (colocação e remoção) realizados para a colocação destes nodos, conforme equação 1. Total _ Nodos _ Válidos _ Modelo Total _ Nodos _ Modelo P( Nodos) Total _ Nodos_ Caso Total _ Movimentos_ Nodos As probabilidades do nodo Arcos são determinadas pelo número de arcos que compõem o modelo do aluno, em relação ao número de movimentos (colocação e remoção) realizados para a colocação destes arcos, conforme equação 2. Total _ Arcos _ Modelo P( Arcos) Total _ Movimentos_ Arcos A justificativa empírica para tais formulações está diretamente baseada na análise qualitativa, vista na seção 4, que um agente humano (professor) poderia empreender sobre um determinado modelo gerado pelo aluno, incluindo o registro de atividades deste aluno para alcançar este modelo. A Tabela 1 apresenta a inferência da credibilidade realizada para cada um dos alunos com base nas observações e resolução das equações P(Nodos) e P(Arcos).

9 Aluno Nodos válidos modelo / Nodos caso Nodos modelo / Movimentos P(Nodos) P(Arcos) Nodo Nodos Credibilidade Diagnóstico Desnecessários 1 0,71 0,53 0,37 1,00 ausente Presentes Média 2 0,86 0,80 0,68 0,30 ausente Presentes Baixa 3 1,00 0,57 0,57 0,50 presente Presentes Baixa/Média 4 1,00 0,90 0,90 0,60 presente Presentes Alta 5 1,00 0,87 0,87 0,54 presente Ausentes Alta 6 0,86 0,75 0,64 0,80 presente Ausentes Alta Tabela 1 Determinação do parâmetro de Credibilidade do Agente Aprendiz Os valores para P(Nodos) e P(Arcos) situados entre 0,01 e 0,5 são considerados, empiricamente, indícios de muitas alterações, valores entre 0,51 e 0,70 indicam médias alterações e valores entre 0,71 a 1,00 indicam poucas alterações, realizadas durante a construção do modelo do aluno. Estas evidências são propagadas pela rede do Agente Aprendiz, que indica os prováveis níveis de Credibilidade do aluno. A figura 4, mostra a execução da rede do Agente Aprendiz para inferência da credibilidade dos alunos 2 e 5, como exemplo. É importante salientar a razoável congruência destes resultados quantitativos com os resultados da análise qualitativa obtidos na seção 4. No diagnóstico qualitativo obtido para o aluno 2, foi considerado que ainda há um longo caminho a percorrer no processo de ensino/aprendizagem deste aluno e caso ele consiga elaborar a sua hipótese diagnóstica, será através de tentativas e retomadas. Este resultado está de acordo com o baixo grau de credibilidade inferido pelo Agente Aprendiz. Figura 4 Rede de credibilidade do aluno 2 (esq) e aluno 5 (dir) O aluno 5 é considerado na seção 4 como apresentando fortes indícios de ter atingido o terceiro nível de tomada de consciência (conseguir variar fatores, experimentar e construir novos modelos ou hipóteses). Na verdade o alto grau de credibilidade atribuído pelo Agente Aprendiz para que os modelos do aluno 5 não só está de acordo com este diagnóstico qualitativo, mas pode ser considerado mais um forte indício de que o diagnóstico está correto. 7. Considerações finais Neste artigo somente foram analisados algumas variáveis do Agente Aprendiz relativas às ações do aluno, pois não foram considerados ainda a solicitação de ajuda e o uso ou não pelo aluno da estratégia apresentada. A inclusão destas variáveis constitui uma próxima etapa do projeto. Do mesmo modo, a seleção da estratégia propriamente dita é realizada pelo Agente Mediador, enquanto que o Agente Aprendiz contribui com a inferência da credibilidade para determinação da tática de apresentação desta estratégia. Ao longo do projeto, vem se verificando a viabilidade de utilização de redes bayesianas como recurso pedagógico para o aluno modelar seu conhecimento. Estas mesmas redes permitem

10 obter informações precisas das ações do aluno durante seu processo de aprendizagem, que podem ser analisadas tanto por um professor, quanto por um agente probabilístico, como apresentado neste artigo. Este conjunto de constatações permite que a teoria da construção do conhecimento seja utilizada em ambientes inteligentes de aprendizagem e permite a aplicação de estratégias pedagógicas baseadas nesta teoria. 7. Referências Bibliográficas CASTELFRANCHI, C.; FALCONE, R.; PEZZULO, G. (2003) Trust in Information Sources as a Source for Trust: A Fuzzy Approach. In: Proceedings of AAMAS 03. Melbourne, Australia, CASTELFRANCHI, C.; FALCONI, R. (1998) Principles of Trust for MAS: Cognitive Anatomy, Social Importance, and Quantification. In: Proceedings of ICMAS 98, COMMUNICATIONS OF THE ACM, v.38, n.3, March 1995 (Real-World Applications of Bayesian Networks). FISCHER, M.; GHIDINI, C. (2002) The ABC of Rational Agent Modelling. In: Proceedings of AAMAS 2002, Bologna, Italy, FLORES, C. D.; GLUZ, J. C.; SEIXAS, L.; VICCARI, R. M.. AMPLIA LEARNING ENVIRONMENT: A Proposal for Pedagogical Negotiation. In: ICEIS th International Conference on Enterprise Information Systems, 2004, Porto: INSTICC, v. IV, p FLORES, C. D.; LADEIRA, M.; VICCARI, R. M.; HÖHER, C. L. Una experiencia en el uso de redes probabilísticas en el diagnóstico médico. Informática Médica, Argentina, n.8, p , PEARL, J. Belief networks revisited. Artificial Intelligence, v.59, p , PIAGET, J. A tomada de consciência. São Paulo: Melhoramentos Edusp, PIAGET, J. Fazer e compreender. São Paulo: Melhoramentos Edusp, RUSSEL, S., NORVIG, P. Artificial intelligence: a modern approach. New Jersey: Prentice- Hall, p. SEIXAS, L., FLORES, C. D., GLUZ, J. C., VICCARI, R. M., COELHO, H. Agente mediador para seleção de estratégias pedagógicas em um ambiente multiagente de aprendizagem In: Simpósio Brasileiro De Informática Na Educação, 2003, Rio de Janeiro. Anais do 14th Simpósio Brasileiro de Informática na Educação. Rio de Janeiro: UFRJ/Nce, p