Um Modelo para o Mapeamento do Conhecimento do Estudante em Ambientes Computacionais de Aprendizagem

Transcrição

1 Um Modelo para o Mapeamento do Conhecimento do Estudante em Ambientes Computacionais de Aprendizagem Edson Pinheiro Pimentel Universidade Municipal de São Caetano do Sul São Caetano do Sul SP - Brasil edson.pimentel@imes.edu.br Nizam Omar Universidade Presbiteriana Mackenzie São Paulo SP - Brasil omar@mackenzie.br ABSTRACT Many assessment methods used in current Educational System do not supply information that gives support to learning. Equally, most of the learning computational environments do not give the due importance to the assessment process and to the use that can be made with the collected information regarding the level of learner knowledge. Learning gaps caused by the absence of prerequisite contribute to extend the learning difficulties. This work presents a model for assessment and continuous accompaniment of the learner s knowledge acquisition level. Moreover, the specification of a computational architecture for the presented model, gives a direction for its incorporation in Intelligent Tutoring Systems. Categories and Subject Descriptors K.3 [Computers and Education]: Miscellaneous. General Terms Design, Standardization. Keywords Continuous Assessment, Self-Monitoring, Computer Learning Environments. 1. INTRODUÇÃO Muitas práticas e políticas educacionais são inconsistentes com o que já se sabe sobre aprendizagem. O grande desafio para a Informática Aplicada a Educação é melhorar a produtividade instrucional e a qualidade da aprendizagem. Pesquisas sobre processos de aprendizagem, ensino e ambientes de aprendizagem são fundamentais para implementar mudanças na Educação. Bransford (2003) destaca a influência dos conhecimentos prévios na aprendizagem, bem como o papel da avaliação [2].. Permission to make digital or hard copies of all or part of this work for personal or classroom use is granted without fee provided that copies are not made or distributed for profit or commercial advantage and that copies bear this notice and the full citation on the first page. To copy otherwise, or republish, to post on servers or to redistribute to lists, requires prior specific permission and/or a fee. Conference 04, Month 1 2, 2004, City, State, Country. Copyright 2004 ACM /00/0004 $5.00. A "não aprendizagem" pode ser considerada a grande causa do insucesso escolar, diagnosticado pelas inúmeras reprovações no sistema educacional. E se as reprovações são determinadas pelo modelo atual de avaliação, parece coerente a revisão deste modelo, de modo que ele possa apoiar, de uma forma mais eficaz, o processo de aprendizagem. Determinar o que o aprendiz sabe como ponto de partida para o processo de ensino-aprendizagem é a idéia principal da Aprendizagem Significativa [1]. Diante disto, a sistemática de avaliação da aprendizagem como parte integrante do processo é fundamental e deve englobar tanto aspectos cognitivos como metacognitivos. O Modelo de avaliação predominante não fornece subsídios para apoiar o reconhecimento de lacunas que atrapalham a aprendizagem. Com os crescentes avanços tecnológicos tem se procurado, na área computacional, desenvolver ferramentas que possam ajudar a área educacional a tratar este problema. No âmbito dos Sistemas de Tutoria Inteligente (STIs), nota-se que a arquitetura dos mesmos escondem o processo de avaliação, ou seja, existe um módulo para o conhecimento (domínio), um módulo para o aprendiz (estudante), um módulo para as estratégias pedagógicas (tutor) e um módulo de comunicação (interface), mas não está claro qual destes é o responsável pelo processo de avaliação, tão importante para a aprendizagem. Este trabalho apresenta um modelo para o mapeamento do conhecimento do estudante em ambientes computacionais de aprendizagem e define métricas cognitivas e metacognitivas. O termo "mapeamento do conhecimento" distingue-se de "avaliação da aprendizagem" no sentido de que o primeiro preocupa-se em estabelecer qual o nível atual de conhecimentos do individuo, independente do momento em que ele o adquiriu. Avaliação da aprendizagem, por sua vez, pretende identificar o que o individuo aprendeu no decorrer de um processo instrucional (uma disciplina, um curso, etc). O artigo está organizado como segue. A seção 2 discute o papel da avaliação e dos conhecimentos prévios no processo de aprendizagem. A seção 3 descreve o modelo para o mapeamento do conhecimento e a seção 4 apresenta de modo breve uma arquitetura de ambiente computacional para implementação do modelo. Por fim, na seção 5 são feitas algumas considerações acerca deste trabalho e sobre os aprofundamentos necessários.

2 2. AVALIAÇÃO E CONHECIMENTOS PRÉVIOS Mudanças cognitivas não resultam do mero acréscimo de informação, mas de processos envolvendo reorganização conceitual. As pessoas ingressam no Sistema de Educação Formal com uma "gama" de conhecimentos prévios, habilidades, crenças e conceitos que significativamente afetam e influenciam a maneira como percebem o ambiente, organizam e interpretam os conteúdos instrucionais. Isto, por sua vez, afeta suas habilidades em relembrar, raciocinar, resolver, problemas e adquirir novos conhecimentos [2]. Um ponto de vista cognitivista em aprendizagem a ser explorado neste trabalho é a teoria de David Ausubel conhecida como Aprendizagem Significativa [10]. A idéia central de Ausubel é a de que o fator isolado mais importante influenciando a aprendizagem é aquilo que o aprendiz já sabe. Para ele, aprendizagem significativa é um processo pelo qual uma nova informação se relaciona com um aspecto relevante da estrutura de conhecimento do indivíduo, ou seja, a aprendizagem ocorre quando a nova informação ancora-se em conceitos relevantes preexistentes na estrutura cognitiva de quem aprende. Ausubel vê o armazenamento de informações no cérebro como altamente organizado, formando uma hierarquia conceitual na qual, elementos mais específicos de conhecimento são ligados a conceitos mais gerais, mais inclusivos. Portanto, para Ausubel, a variável crucial para a aprendizagem significativa é a estrutura cognitiva do indivíduo, ou seja, os seus conhecimentos prévios, que deverão funcionar como idéiasâncora à assimilação de novos conhecimentos. A assimilação ocorre quando um novo significado a, adquirido em ligação com idéias-âncora A com as quais está relacionado, é retido e ocorre uma modificação decorrente da intersecção de ambos, A'a' [10]. Este trabalho pressupõe que o mapeamento dos conhecimentos prévios através de um processo contínuo de avaliações é fundamental para a melhorar a aprendizagem. No entanto, a sistemática de avaliação ainda é predominantemente considerada uma atividade de final de processo. Num processo de avaliação contínua da aprendizagem é necessário inicialmente identificar as finalidades, que podem classificadas em somativa e formativa. No grupo somativo as principais finalidades da avaliação são para a seleção, certificação, regulação e monitora-mento da eficácia. No grupo formativo, as finalidades são mais centradas nos estudantes, tais como: diagnóstico, monitoramento da aprendizagem, motivação dos estudantes, feedback, melhoria da aprendizagem e aumento da transparência [6]. Pesquisas em Educação comprovam ainda que a aprendizagem efetiva acontece quando os aprendizes conseguem controlar a própria aprendizagem (metacognição) e quando estes possuem as habilidades necessárias para realizar as tarefas de avaliação [3]. A seguir apresenta-se a descrição do modelo proposto para o mapeamento do conhecimento do estudante em ambientes computacionais de aprendizagem. 3. MODELO PARA MAPEAMENTO DO CONHECIMENTO O modelo de avaliação e acompanhamento da aprendizagem proposto neste trabalho enfatiza dois aspectos principais: o conhecimento cognitivo e o metacognitivo. A Figura 1 apresenta a arquitetura geral para o mapeamento do conhecimento que no seu nível macro é composta por dois modelos detalhados a seguir: o de avaliação e o de acompanhamento. Figura 1. Arquitetura Geral para o Mapeamento do Estudante. 3.1 O Modelo de Avaliação O Modelo de Avaliação é composto por duas classes: avaliação cognitiva e avaliação metacognitiva. Em conjunto, permitirão que métricas do conhecimento cognitivo e metacognitivo sejam aplicadas e que medidas sejam obtidas para compor o perfil do aprendiz. A seguir, cada uma dessas classes é apresentada em detalhes Avaliação Metacognitiva Com a avaliação metacognitiva tem-se como meta principal permitir que o aprendiz tenha condições de monitorar o próprio conhecimento. Baseado no modelo hierárquico de metacognição de Tobias e Everson [5], este trabalho propõe o monitoramento dos conhecimentos prévios, como um processo metacognitivo fundamental. A Figura 2 apresenta a arquitetura do modelo metacognitivo. No topo da figura, a avaliação metacognitiva é composta pela préavaliação, momento em que o aprendiz faz a previsão do desempenho e pela pós-avaliação, momento em que o aprendiz compara a sua solução com a solução do professor. Ao confrontar o resultado da avaliação do desempenho do aprendiz, feita pelo professor ou automaticamente, com as previsões do aprendiz, o modelo do aprendiz será atualizado, obtendo-se as medidas do KMA, KMB, SMA e SMB brevemente descritas a seguir.

3 A pós-avaliação metacogniva tem por objetivo indicar em que medida o aprendiz, diante de uma solução correta, é capaz de relacioná-la com a sua solução e estimar o seu desempenho. Uma vez que a "correção" (grading) costuma ser um gargalo no processo de avaliação, ao atingir índices SAA e SAB altos, esta etapa poderá antecipar os resultados para o aprendiz. Da mesma forma que o KMA e o KMB, estas duas novas medidas necessitam de procedimentos de validação para verificar a sua eficácia Avaliação Cognitiva Com a avaliação cognitiva tem-se como meta principal identificar o nível cognitivo do aprendiz num determinado domínio de conhecimento, de forma que seja possível no curso de diversas avaliações apontar quais são os conceitos que o aprendiz demonstra que "sabe". Figura 2. Arquitetura do Modelo de Avaliação Metacognitiva. Gama (2004) incrementou a maneira de calcular o KMA adicionando a possibilidade de prever e desempenhar também a resolução parcial de problemas e criou o índice KMB - Knowledge Monitoring Bias (Desvio no Monitoramenteo do Conhecimento), para medir e identificar o tipo de desvio do aprendiz no monitoramento do seu conhecimento. Com isso é possível saber se o aprendiz é pessimista (apresenta KMA baixo - prevê que vai errar e acerta) ou otimista (prevê que vai acertar e erra) [8]. O presente trabalho propõe mais duas métricas metacognitivas: SAA - Solution Analyzing Accuracy (Precisão na Análise da Solução) e SAB - Solution Analyzing Bias (Desvio na Análise da Solução) que indicarão respectivamente a precisão e o desvio do aprendiz na análise da solução fornecida pelo professor. A tabela 1 apresenta atributos para o cálculo das seis métricas metacognitivas de acordo com Gama (2004). Tabela 1. Atributos para o cálculo das métricas metacognitivas AP Quantidade de acertos na previsão do desempenho EGO EGP EMO EMP QP Quantidade de erros do tipo "Grande Otimista" em que se estima acertar e erra completamente Quantidade de erros do tipo "Grande Otimista" em que se estima acertar e erra completamente Quantidade de erros do tipo "Médio Otimista" em que se estima acertar parcialmente e erra completamente ou se estima acertar completamente e acerta parcialmente. Quantidade de erros do tipo "Médio Pessimista" em que se estima acertar parcialmente e acerta completamente ou se estima errar e acerta parcialmente. Quantidade de Problemas envolvidos na avaliação Os "erros médios" possuem peso +1 ou -1 e os "erros grandes" possuem peso +0.5 ou -0.5 nos cálculos das medidas metacognitivas. Todos os valores se situam entre e O processo contínuo de avaliação da aprendizagem permite compreender melhor o conhecimento atual que um estudante possui. O termo "conhecimento atual" denota que aquilo que uma pessoa sabe está sempre mudando e que, portanto é necessário monitorar esses conhecimentos para melhor guiar a instrução, seja no ensino presencial ou em Ambientes Computacionais de Aprendizagem. Esse trabalho utilizará como métrica cognitiva o "Nível de Aquisição de Conhecimentos", (NAC) definido como"uma medida que indica o grau de conhecimentos do aprendiz em um determinado conteúdo, de um domínio de conhecimento, naquele instante". O NAC será obtido a partir de diversas atividades de avaliação do conhecimento, e portanto essa métrica deve espelhar também a possibilidade de que o conteúdo ainda não tenha sido avaliado. Ou seja, juntamente com a medida de conhecimento, o NAC dever carregar a quantidade de vezes em que o problema foi avaliado. Propõe-se que o NAC seja composto de duas partes: índice de conhecimento e índice de avaliação. Índice de conhecimento igual a zero e índice de avaliação igual a zero, indica que o conhecimento ainda não foi avaliado. A Tabela 2 apresenta uma simulação do desempenho de um aprendiz, em quatro conceitos (A, B, C e D), em dez atividades de avaliação. Tomando-se como exemplo, o conceito "A" na Tabela 2 o NAC no instante T5 para esse conceito, deve considerar as medidas de desempenho obtidas pelo aprendiz entre T1 e T5. Da mesmas forma, o NAC no instante T10 deve considerar as medidas de desempenho obtidas entre T1 e T10. A Tabela 3 apresenta o NAC para o conceito "A" nos instantes T5 e T10. O NAC no instante T5 foi obtido através de uma média aritmética dos cinco valores e o NAC no instante T10, através de uma média aritmética dos dez valores. A coluna "DESEMP" indica o desempenho do aprendiz no conceito "A" no respectivo instante. Nota-se que o os valores das colunas NAC e "DESEMP" são diferentes, pois o NAC carrega o histórico do desempenho do aprendiz. Ou seja, o desempenho do aprendiz no instante T5 foi 0.4 e o NAC calculado foi 0.56, indicando que no decorrer das cinco avaliações o aprendiz obteve desempenhos melhores do que em T5. Já no instante T10, o desempenho do aprendiz foi 0.9, maior do que o NAC de 0.72 em T10, que carrega o histórico dos desempenhos melhores e piores.

4 Tabela 2. Resultado de Desempenhos do Aprendiz em 10 Atividades de Avaliação. CONCEITO T0 T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 A 0,0 0,5 0,7 0,4 0,8 0,4 0,8 0,8 1,0 0,9 0,9 B 0,5 0,2 0,5 0,5 0,4 0,5 0,5 0,7 0,6 0,7 0,8 C 0,7 0,7 0,8 0,9 0,9 1,0 1,0 1,0 1,0 1,0 1,0 D 0,0 0,2 0,0 0,3 0,1 0,3 0,2 0,2 0,4 0,3 0,4 Tabela 3. NAC do aprendiz no conceito "A" nos instantes T5 e T10 com Média Aritmética. T5 T10 NAC DESEMP. NAC DESEMP. A 0,56 0,40 0,72 0,90 Uma sugestão para se "expurgar" do NAC desempenhos iniciais ruins, é utilizar no cálculo do NAC a média ponderada em função do tempo. Ou seja, as medidas obtidas pelo aprendiz seriam ponderadas em relação ao momento obtido: as avaliações mais recentes teriam maior peso, sem no entanto desconsiderar as avaliações iniciais. A Tabela 4 apresenta o NAC para o conceito "A" nos instantes T5 e T10 com média ponderada em função do instante. Utilizaram-se os seguintes pesos: T1=1, T2=2, T3=3 e assim por diante. O NAC no instante T5 foi obtido através de um média ponderada dos cinco valores, com pesos respectivamente de 1 a 5. O NAC no instante T10 foi obtido através de uma média ponderada dos dez valores, com pesos respectivamente de 1 a 10. Comparando-se as mesmas colunas nas Tabelas 3 e 4 nota-se que o valor do NAC é menor em T5 na Tabela 4, 0.54 contra 0.55, quando o aprendiz teve um desempenho de 0.4, pior do que o NAC calculado, mas o NAC é melhor no instante T10 também na Tabela 4, 0.80 contra 0.72, quando o aprendiz teve um desempenho de 0.9, melhor que o NAC calculado. Assim, os pesos temporais favorecem os desempenhos das últimas avaliações, o que parece ser mais indicado em relação aos usos que esta métrica pode propiciar, como por exemplo, certificar que o aprendiz possui determinado pré-requisito para avançar na instrução. Tabela 4. NAC do aprendiz no conceito "A" nos instantes T5 e T10 com Média Ponderada (tempo). T5 T10 NAC DESEMP. NAC DESEMP. A 0,55 0,40 0,80 0, O Modelo de Acompanhamento Neste trabalho, o principal objetivo da avaliação é gerar informações que permitam o acompanhamento da aprendizagem. A base para o acompanhamento são as medidas cognitivas e metacognitivas, obtidas a partir das avaliações. Um modelo de avaliação com finalidade formativa deve ser cuidadosamente projetado para apoiar o professor, aluno e demais interessados nas tarefas de acompanhamento. Duas importantes tarefas de são os mecanismos de regulação e os dispositivos de realimentação conforme a figura 1. Os mecanismos de regulação são representados por um conjunto de medidas capazes de ajustar o processo instrucional, presencial ou não, com base nas lacunas encontradas. Esses ajustes podem ser realizados pelo professor ou mesmo por um Sistema Instrucional dotado dessa função. Os dispositivos de realimentação estão altamente relacionados com os objetivos esperados e com os resultados alcançados e devem indicar as possíveis causas dos insucessos, pelo menos em relação a pré-requisitos. De certo modo, os dispositivos de realimentação representam uma entrada para os mecanismos de regulação. O grande volume de dados facilmente acumulado num processo de avaliação contínua deve ser processado utilizando-se, por exemplo, técnicas de KDD - Knowledge Discovery in Database (Descoberta de Conhecimentos em Banco de Dados), de forma a facilitar a interpretação e a análise dos resultados. KDD é o processo abrangente de descoberta de conhecimento útil a partir de dados enquanto mineração de dados restringe-se à aplicação de algoritmos de extração de padrões [7]. A seguir, apresenta-se uma breve descrição das possibilidades de acompanhamento por parte do professor e aluno Acompanhamento pelo Professor No sistema educacional vigente, tanto presencial como a distância, o professor realiza o acompanhamento da aprendizagem, de maneira muito simplificada, muitas vezes com base em apenas "meia-dúzia" de notas obtidas através de provas ou trabalhos. Quando necessitam tomar decisões com base em quesitos como participação e envolvimento, normalmente "recorda-se" apenas dos alunos brilhantes em termos de desempenho e dos alunos inconvenientes e não colaborativos. Em instituições em que as condições permitem um acompanhamento pedagógico mais rigoroso, os professores utilizam fichas mais elaboradas que permitem um acompanhamento mais abrangente, sem, no entanto ser muito minucioso. O modelo de avaliação e acompanhamento aqui proposto, com um apoio computacional, possibilitará um acompanhamento mais abrangente e também mais imparcial por parte do professor. Permitirá a coleta de um conjunto detalhado de informações tanto no decorrer do processo, a tempo de tomar medidas de correção, como no final do processo, caso necessite tomar decisões do tipo "aprovar ou reprovar" o aluno. Da mesma forma, na outra ponta, o aluno também poderá realizar o acompanhamento o que tornará o processo mais transparente, além de permitir um maior envolvimento do aprendiz.

5 No âmbito dos "agrupamentos dos alunos", este modelo de avaliação também permitirá ao professor identificar quais são os conteúdos em que a "turma" apresenta maior dificuldade ou facilidade, além de poder, no decorrer do processo, criar subgrupos de alunos em relação a esses conteúdos, para possíveis remediações Acompanhamento pelo Aluno Também no sistema educacional vigente, tanto presencial como a distância, pode-se dizer que o aluno praticamente não realiza o acompanhamento da própria aprendizagem. Novamente os mecanismos de medição e de realimentação são extremamente simplificados: notas e médias. Mesmo em relação aos comentários dos professores nas avaliações, estes não são sistematizados. Dessa forma, nem sempre o aluno dá atenção à realimentação recebida, ou não entende exatamente que atitude ele precisa tomar em relação à esta realimentação. Outro ponto é que, geralmente as avaliações são feitas em "finais de etapas" e aqueles conteúdos não são mais avaliados, a não ser em exames finais ou certificações. No modelo proposto, amparado pela avaliação contínua durante o processo, o acompanhamento não só é possível como é incentivado, principalmente em virtude das avaliações metacognitivas. Mesmo em relação às avaliações cognitivas, o modelo prevê uma estratificação dos resultados por objetivos e conceitos de forma que o aluno poderá a cada instante monitorar os seus pontos fortes e fracos. O modelo de acompanhamento prevê mecanismos que permitirão monitorar também a evolução, e não apenas a situação atual. Outro ponto importante são as realimentações geradas no processo de correção (grading), que servirão de alerta para as atividades de regulação da aprendizagem. 4. ARQUITETURA PARA O AMBIENTE COMPUTACIONAL Esta seção descreve a arquitetura de um ambiente computacional para o mapeamento conhecimento do estudante. A partir de uma configuração geral capaz de representar o conhecimento a ser alcançado ou certificado, o ambiente computacional em seus diversos módulos possibilitará o diagnóstico, monitoramento da aprendizagem, motivação, realimentação, melhoria da aprendizagem, envolvimento e conscientização do aprendiz. Além disso, ferramentas inteligentes ajudarão a identificar o perfil cognitivo e metacognitivo do aprendiz de modo a auxiliar o professor e aluno na análise de resultados e na configuração das etapas seguintes de aprendizagem. A figura 3 apresenta a arquitetura geral do ambiente e exibe esquematicamente os relacionamentos entre os diversos módulos e sub-módulos identificados como necessários. Existe uma similaridade entre a arquitetura proposta e a arquitetura tradicional de um STI. A principal diferença é a existência do "Módulo de Avaliação" que a partir de informações oriundas do Módulo do Aprendiz e do Conhecimento possibilitará a geração de avaliações ajustadas ao perfil cognitivo e metacognitivo do aprendiz. Além disso, o diagnóstico de lacunas de aprendizagem dará subsídio para a elaboração de planos personalizados de aprendizagem, de tal modo que estas lacunas possam ser preenchidas colocando o aprendiz em condições de prosseguir no aprendizado requerido. Num STI tradicional, a avaliação normalmente fica escondida no Módulo de Tutoria. Figura 3. Arquitetura Geral do Ambiente Computacional. A seguir o detalhamento dos módulos de avaliação e acompanhamento. 4.1 Módulo de Avaliação Este é o principal módulo desta arquitetura computacional e deverá armazenar as unidades de avaliação que serão a base para a montagem das avaliações. Cada unidade de avaliação estará associada aos objetivos educacionais e conseqüentemente à taxionomia. Uma unidade de avaliação pode avaliar desde um conceito simples, associado a um conteúdo indivisível como a vários conteúdos inter-relacionados. Desta forma, a atribuição de uma medida (certo / errado) para uma unidade de avaliação implica em fazê-lo de forma detalhada identificando pontualmente os insucessos. O processo de correção (atribuição de medidas) poderá ser automático em se tratando de "questões" objetivas, ou semiautomático ou manual quando se tratar de questões abertas. O sub-módulo de avaliações adaptativas deverá gerar avaliações adaptadas ao perfil cognitivo e metacognivo do aprendiz. O sistema tradicional avalia a todos de maneira igual, sem considerar o seu nível atual de conhecimentos. Em se tratando de avaliação formativa é necessário considerar o atual estágio do estudante e avalia-lo de acordo, de forma a contribuir para o crescimento da aprendizagem. Para a elaboração das avaliações adaptativas, o sistema terá como base o histórico do desempenho do aluno, armazenado no Módulo do Aprendiz, além de atributos como nível de dificuldade da unidade de avaliação e os relacionamentos entre os conteúdos. De acordo com o desempenho do aprendiz o sistema poderá selecionar unidades de avaliação de menor ou maior grau de dificuldade, ou abordando conteúdos mais simples ou complexos. Para mais informações sobre técnicas para a geração de avaliações adaptativas computadorizadas deve-se consultar [9] e [4].

6 Tão importante quanto a coleta de dados, neste módulo, é o tratamento destes dados de forma a gerar um conjunto de informações simplificado que permita uma análise humana ou uma "análise computacional" para a tomada de decisões. Neste sentido, o sub-módulo de mineração de dados aplicará algoritmos de reconhecimento de padrões para descobrir conhecimento novo nos dados de avaliação. Este sub-módulo irá fornecer subsídios para o módulo de acompanhamento. 4.2 Módulo de Acompanhamento Este módulo poderá ser acessado por professor e aluno para o monitoramento da aprendizagem ou do conhecimento do aprendiz através das medidas cognitivas e metacognitivas obtidas a partir das avaliações. O feedback gerado pelo processo de correção (automático ou manual) e as informações geradas pelas tarefas de mineração possibilitarão a professor e aluno realizar o acompanhamento da aprendizagem. Algumas decisões poderão ser tomadas a partir deste módulo, dentre as quais destacam-se: fornecer certificações e indicar a próxima etapa do processo instrucional indicada ao estado cognitivo e metacognitivo do aprendiz. As medidas cognitivas indicarão o desempenho real do aprendiz nas avaliações. A possibilidade de selecionar períodos temporais permitirá verificar a evolução do aprendiz. A instabilidade de desempenho em determinados conteúdos (altos e baixos) poderá indicar que estes não estão adequadamente sedimentados, e um desempenho continuamente insatisfatório poderá indicar que aquele conteúdo é crítico para que o aprendiz prossiga. Ou seja, o ambiente mais do que apresentar resultados permitirá aos envolvidos no processo educacional averiguar quais são os conteúdos críticos para a aprendizagem, tanto no nível individual como no nível coletivo. As medidas metacognitivas são um diferencial neste trabalho. O acompanhamento metacognitivo, principalmente por parte do estudante, criará condições para que este tenha real consciência do seu nível de conhecimentos. Vislumbra-se que as medidas metacognitivas também possam ser utilizadas tanto para a seleção do próximo passo do processo instrucional, mas principalmente no que diz respeitos às avaliações. 5. CONCLUSÕES E TRABALHOS FUTUROS Não é possível falar em acompanhamento da aprendizagem sem um processo de avaliação formativa. Para que o acompanhamento da aprendizagem seja possível faz-se necessária, a organização de componentes, como o modelo do conhecimento, o modelo da aprendizagem e o modelo de avaliação. A avaliação e o desenvolvimento de habilidades metacognitivas do estudante descentralizarão a tarefa de monitoramento da aprendizagem, hoje a cargo do professor e envolvendo ativamente o aprendiz, de maneira consciente. 6. REFERÊNCIAS [1] D. P. Ausubel. Educational Psychology: a cognive view. Holt, Rinehart and Winston Inc., New York, [2] J. Bransford, A. L. Brown, R. R. Cocking, and N. R.Council. How People Learn: Brain, Mind, Experience, and School: Expanded Edition. National Academy Press, Washington, D.C., National Research Council. [3] P. Broadfoot, R. Daugherty, J. Gardner, C. Gipps, W. Harlen, M. James, and G. Stobart. Assessment for learning: Beyond the black box. Technical report, University of Cambridge, School of Education, 1999.Assessment Reform Group - ARG. [4] C. Cura, D. Nunes, E. P. Pimentel, E. Bonano, R. Mandaji, and N. Omar. Uma ferramenta adaptativa de avalia»cãoo da aprendizagem baseada no perfil cognitivo e metacognitivo do estudante. In J. Sanches, editor, Nuevas Ideas en Informática Educativa, pages 41-48, Santiago de Chile, LOM Ediciones S.A. [5] H. T. Everson and S. Tobias. Knowing what you know and what you don't: Further research on metacognitive knowledge monitoring. Technical Report 3, The College Board Research Report, [6] N. Falchikov. Improving Assessment Through Student Involvement: Practical Solutions For Aiding Learning In Higher And Further Education. RoutledgeFalmer, New York, [7] U. Fayyad, G. G. Grinstein, and A. Wierse. Information Visualization In Data Mining And Knowledge Discovery. Morgan Kaufmann Publishers Inc, SAN FRANCISCO, CA, USA, [8] C. Gama. Towards a model of Metacognition Instruction in Interactive Learning Environments. Doutorado, University of Sussex, Inglaterra, [9] J. P. Gonçalves. A integração de testes adaptativos informatizados e ambientes computacionais de tarefas para o aprendizado do inglês instrumental. Mestrado, ICMC/USP, São Carlos, SP, Fevereiro [10] M. A. Moreira and E. F. Masini. Aprendizagem significativa: a teoria de David Ausubel. Editora Centauro, São Paulo, Grande parte dos Ambientes Computacionais de Aprendizagem esconde o processo de avaliação ou dão pouco valor aos insumos necessários e aos produtos da avaliação. A arquitetura do ambiente proposto neste artigo traz a avaliação para o centro, de forma que esta atue como um motor para a aprendizagem, coletando dados que possam identificar o mais pontualmente possível o nível de conhecimentos do aprendiz e consequentemente as lacunas que impedem a aprendizagem.