MathTutor - Uma Ferramenta de apoio a Aprendizagem

Transcrição

1 MathTutor - Uma Ferramenta de apoio a Aprendizagem Luciana Bolan Frigo, Guilherme Bittencourt 1 Universidade Federal de Santa Catarina Pós-Graduação em Engenharia Elétrica Departamento de Automação e Sistemas Caixa Postal 476 CEP Florianópolis, SC lu@das.ufsc.br, gb@das.ufsc.br Abstract. MathTutor is an Intelligent Tutor System (ITS) that has been developed at Universidade Federal de Santa Catarina by the Math net group. Math- Tutor intends to show the main concepts of data and procedure abstraction for Fundamentals of Information Structure students in the Automation and Control Engineering undergraduate degree. This ITS uses cognitive agents technology what allows the construction of perceptive systems, improving the pedagogycal quality. To add new funcionalities in the system we use a set of tools that will be presented during the MathTutor description. Resumo. MathTutor é um Sistema Tutor Inteligente desenvolvido, pela equipe do projeto Math net, na Universidade Federal de Santa Catarina, que pretende apresentar os principais conceitos de abstração de dados e de procedimentos aos alunos de Fundamentos da Estrutura da Informação, aplicada no curso de Engenharia de Controle e Automação Industrial. MathTutor utiliza a tecnologia dos agentes cognitivos que permitem gerar um sistema mais perceptivo, aumentando a qualidade sob o ponto de vista pedagógico. Para a inserção dos agentes, assim como, outras funcionalidades ao sistema, utiliza-se um conjunto de ferramentas disponíveis que serão apresentadas durante a descrição do MathTutor. Palavras-chave: Sistema Tutor Inteligente, Sistemas Multiagentes, Ensino 1. Introdução A Inteligência Artificial (IA) oferece métodos e técnicas para simular algumas atividades humanas como por exemplo, a de um tutor. Mesmo com uma significativa evolução dos softwares educacionais muitos deles ainda são do tipo Instrução Assistida por Computador (CAI- Computer Aided Instruction), apresentando limitações nos aspectos cognitivos, não permitindo uma utilização personalizada e adaptada ao aluno. Visando superar estas limitações surgiram os sistemas de Instrução Assistida por Computador Inteligentes (ICAI), o qual pertencem os Sistemas Tutores Inteligentes (STI) [Knezek, 1988]. Os STI s são ferramentas de software que utilizam técnicas de IA para ensinar algum tema ou habilidade. A principal diferença entre CAI e ICAI, é que este último possui uma maior

2 preocupação em como apresentar o conteúdo ao estudante. Para representar o conhecimento existem diversos tipos de formalismos como por exemplo, regras de produção e lógica Motivação Este artigo apresenta um Sistema Tutor Inteligente (STI) chamado MathTutor, que utiliza IA para apoiar o aprendizado através de técnicas cognitivas. O sistema é formado por agentes distribuídos que interagem entre si possibilitando ao estudante assistir aulas, resolver exercícios e auto-avaliar-se, além de navegar livremente pelo curso. MathTutor será aplicado no curso de Engenharia de Controle e Automação Industrial na Universidade Federal de Santa Catarina para apoiar o ensino dos principais conceitos de abstração de dados e de procedimentos da disciplina de Fundamentos da Estrutura da Informação [Bittencourt, 1998]. O MathTutor está baseado em um modelo para concepção e desenvolvimento de ambientes de aprendizagem assistidos por computador, chamado MHEMA. Este modelo necessita de um ambiente computacional onde seja possível construir uma sociedade de agentes cognitivos, isto é, agentes que incorporem um sistema especialista. Além disto é necessário dispor de um mecanismo de interface. O objetivo deste artigo é descrever como o modelo MHEMA foi utilizado para o desenvolvimento do MathTutor, que ferramentas foram utilizadas para implementar as diversas funcionalidades do sistema e, finalmente, como estas foram integradas. O artigo está organizado da seguinte forma. Na seção 2 apresenta-se o modelo MHEMA. Nas seções 3 e 4 descreve-se como o MathTutor está organizado e quais ferramentas foram utilizadas, respectivamente. E finalmente, na seção 5 tem-se as conclusões deste artigo. 2. Modelo MHEMA O MathTutor está baseado no modelo MHEMA. Segundo o MHEMA a adoção de uma abordagem multiagente na definição do sistema tutor ocorreu motivada pelos seguintes objetivos [Costa, 1997]: 1- propor um modelo para o domínio de conhecimento levando em conta um compromisso entre aspectos de riqueza e estruturação relativo a um tal domínio, como elementos de requisito para assegurar sua qualidade. 2- com a realização da proposição feita para o modelo do domínio, espera-se contribuir para tornar o sistema tutor mais perceptivo. Nesse sentido, pretende-se investir na modelagem do estudante, propondo um módulo de diagnóstico de qualidade, aproveitando do modelo do domínio nos termos propostos. 3- definir um modelo de ambiente interativo de aprendizagem, considerando um enfoque multiagente e a noção de aprendizagem cooperativa. Em decorrência da adoção da abordagem multiagente uma série de problemas surgiram e as tentativas de soluções para estes passaram a compor os novos objetivos do

3 MHEMA. 4- definição de modelos de cooperação e comunicação entre os agentes tutores. 5- definição da arquitetura do agente tutor. 6- definição da linguagem e protocolos necessários para viabilizar a interação entre os agentes tutores envolvidos. 7- elaboração de um modelo que descreva as interações didáticas entre o estudante humano e a sociedade de agentes tutores. 8- definição da arquitetura interna da componente tutorial no agente: o sistema tutor, modelando as interações envolvendo os seus elementos. É aqui onde se localizará o modelo de domínio, o modelo do estudante e o modelo pedagógico pertinentes a cada agente tutor. 9- desenvolvimento de um protótipo em um certo domínio, como forma de validação dos resultados obtidos no âmbito do ambiente MHEMA [Costa, 1997]. A arquitetura do modelo MHEMA é apresentada na Figura 1. Motivador Externo SA Aprendiz Humano Agente de Interface Sociedade de Especialistas Humanos Agente de Manutenção Figura 1: Arquitetura do MHEMA[Costa, 1997] onde: SA - Sociedade de Agentes Tutores Artificiais - Agente Tutor 3. Sistema MathTutor A interface apresenta ao usuário o ambiente de aprendizagem através de um navegador da Internet (Figura 2). Para gerar a interface foi utilizado o protocolo HTTP, que permitiráa utilização do sistema para ensino à distância. A interface apresentada ao estudante contém quatro campos: ffl Busca ffl Navegação ffl Conteúdo

4 ffl Índice das lições A navegação permite: seguir para o próximo tópico da lição, mudar de texto para exercício, de exercício para texto e ainda visualizar seus dados cadastrais, suas anotações, solicitar a interpretação de um código solicitado etc. O índice possui uma estrutura convencional de um livro. Todas as ações do aprendiz são enviadas para o módulo do estudante permitindo assim, a atualização das variáveis referentes ao estudante. Estas informações facilitam a inferência de qual a melhor tragetória de aprendizagem para aquele estudante. Figura 2: Interface É através da interface que o estudante ativa o agente de interface. O agente de interface envia solicitações (mensagens) aos agentes da SA provocando o disparo de regras. A arquitetura de um agente da SA no sistema MathTutor (Figura 3) apresenta três módulos básicos: o módulo do estudante, o módulo do especialista e o módulo pedagógico. Omódulo do especialista possui as informações a respeito do conhecimento do conteúdo a ensinar; teoria e conceitos essenciais para que o estudante possa resolver um problema sozinho. Omódulo do estudante armazena as informações sobre a compreensão do aluno sobre o domínio de conhecimento. Obtemos esta informação construindo um modelo de como o estudante avança na aprendizagem do curso utilizando ferramentas de diagnóstico contidas no modelo pedagógico. O módulo pedagógico contém as regras para a tomada de decisão que permitem determinar o quanto o aluno está aprendendo.

5 Representação do Conhecimento (Especialista ) Módulo Pedagógico Tutor Inteligente Módulo do Estudante Agente de Interface Estudante Especialista Humano Figura 3: Modelo do Agente Tutor A concepção de um processo ensino-aprendizagem é centralizada no especialista, conforme mostra a Figura 4, podendo os agentes inteligentes assumirem algumas das tarefas destinadas àqueles. Os agentes estão organizados em sociedade onde existe um agente de interface responsável pela comunicação entre o aluno e o sistema. Através da interação entre os agentes, os alunos podem fazer as lições, resolver exercícios e navegar livremente pelo conteúdo. Planeja o Curso Explica Conteúdo Planeja Exercícios Especialista Avalia Exercícios Monitora os alunos Esclarece Dúvidas Figura 4: Funções do Especialista O sistema apresenta o conhecimento e interage com o estudante através de um navegador da Internet, seguindo as opções pedagógicas que o sistema tutor decide. O conhecimento é modelado utilizando regras. O tutor adquire conhecimento sobre o estudante através da sua interação com o navegador. A Figura 5 apresenta como os agentes se relacionam e como se comunicam com o ambiente externo. Os agentes tomam suas decisões baseados no modelo pedagógico e na base de regras do MathTutor.

6 Aprendiz Agente de Interface Agente Teórico Agente Prático Figura 5: Modelo dos Agentes 3.1. Módulo do Estudante Para poder avaliar o que o aluno aprendeu é preciso interpretar seu avanço no curso. A única forma que o tutor interage com o aluno é por meio da interface, sendo necessário estabelecer algum critério de avaliação que observa os seguintes aspectos: ffl Se o estudante costuma rever o conteúdo ffl Se faz os exercícios exercícios corretos exercícios errados ffl Se visualiza os exemplos Estes dados são armazenados no banco de dados do MathTutor Módulo do Especialista O trabalho do especialista é elaborar as aulas, inserir o conteúdo referente a estas, construir a base de conhecimento para o sistema especialista. Além de alimentar o MathTutor através de buscas na base de dados onde se armazena a informação de todo o trabalho realizado pelo estudante no curso. O especialista conta com um editor de conteúdo, que permite inserir textos, exercícios e, neste caso,interagir com o interpretador CLisp. Além disso, o especialista pode acessar uma área restrita e verificar os alunos que estão matriculados nas aulas e monitorar o desempenho deles Módulo Pedagógico Omódulo pedagógico toma as decisões sobre o que fazer a cada momento no tutor. A principal função do módulo pedagógico é aprofundar um tópico caso o sistema perceba que o estudante esteja respondendo os exercícios com relativa facilidade, ou caso ele tenha dificuldades deverá gerar um curso mais básico. Esta estrutura permite o sequenciamento curricular através das lições do tutor que determina o estilo de aprendizagem.

7 4. Ferramentas O STI proposto utiliza técnicas de Inteligência Artificial Distribuída seguindo a abordagem de sistemas multiagentes. A principal razão de se introduzir agentes em um STI está nas propriedades que permitem ganho de qualidade sob o ponto de vista pedagógico como por exemplo a habilidade social e a flexibilidade. Adicionar agentes a um programa educacional é intensificar os aspectos pedagógicos desejáveis no ambiente [Giraffa, 1999]. Segudo a modelagem do domínio do conhecimento, o MathTutor possui duas visões, uma prática e outra teórica. Fundamentado nestas visões temos os agentes teóricos e os agentes práticos. Os agentes se comunicam a fim de solicitar cooperações entre si, solucionando problemas mais rapidamente. O ambiente que permite a troca de mensagens entre os agentes é o JLite (Java Agent Template Lite), através da linguagem KQML. O conteúdo destas mensagens são fatos que serão inseridos na máquina JESS, permitindo que o sistema tome decisões e mude o comportamento. A comunicação do estudante com o sistema ocorre através da interface, que é uma página HTML com conteúdo gerado pelos Servlets. As páginas acessadas pelo usuário são armazenadas no banco de dados, assim como todas as informações referentes a ele, permitindo com que o sistema saiba exatamente que página o usuário está acessando e o tipo de informação que ele está obtendo. As mensagens enviadas pelos agentes apresentam a seguinte forma: (ask-one :sender AgenteInt :receiver Procedural :language KQML :content +id+ *** +paginaatual+ ) onde: O agente de Interface envia uma mensagem para o agente teórico, indicando qual o usuário e que página ele está visualizando no momento e, a partir destas informações, o agente tomará alguma decisão JLite O JLite cfl[jlite, 1997] - uma biblioteca de classes destinadas a implementação de sistemas multiagentes - foi desenvolvido na Universidade de Stanford e fornece um modelo funcional para a construção de sistemas multiagentes usando o protocolo de rede TCP/IP e o protocolo de comunicação entre agentes KQML. O JLite pode ser definido como um conjunto de classes escrito em linguagem Java que provê uma arquitetura básica para a construção de agentes que se comunicam através da Internet. A arquitetura do JLite é formada por cinco camadas: camada abstrata, camada de base, camada KQML, camada do roteador e camada de protocolo. Cada uma dessas camadas, possui um conjunto de classes que podem ser reutilizadas pelos usuários desenvolvedores. A camada do roteador garante a presença de um agente especial chamado Roteador que atua como um servidor de nomes dos agentes que fazem parte do sistema. Conhecer o endereço dos agentes facilita a entrega das mensagens aos destinatários. A transmissão das mensagens entre os agentes pode se dar através de um mecanismo de pooling onde o agente emissor verifica se o receptor está conectado e envia a

8 mensagem. As conexões entre os agentes são feitas de uma maneira persistente, ou seja, fica ativa até que o agente resolva fechá-la ou um tempo máximo de ociosidade seja atingido (timeout). Uma das maneiras de se desenvolver um sistema multiagente fazendo uso da ferramenta JLite, é através da camada do roteador. Essa camada traz facilidades no sentido de abstrair detalhes de programação de baixo nível podendo-se reutilizar toda a infraestrutura das camadas inferiores. A camada do roteador se caracteriza pela presença do agente Roteador que presta vários serviços aos agentes conectados a ele. Tais agentes enviam as mensagens para o Roteador, e este as remete para o endereço correspondente ao agente receptor. Se por algum motivo o agente receptor não puder receber a mensagem de outro agente, esta será armazenada em arquivos até o momento em que esse agente entre em operação normal. O MathTutor utiliza o JLite através da camada do roteador para construir seus agentes JESS Um conjunto de regras representam o conhecimento heurístico de um especialista humano em determinado assunto, neste caso abstração de dados e abstração de procedimentos. Já a base de conhecimento representa o estado de uma determinada situação, formando o que chamamos de um sistema especialista. O JESS é utilizado em diversas aplicações, mas o uso do JESS com a tecnologia dos Applets [Friedman-Hill, 1997] deixa o sistema muito pesado. Por isso quando a idéia é utilizar aplicações com JESS via navegador, devemos considerar o uso do JESS do lado do servidor, como o que ocorre no caso dos Servlets. Assim enviamos apenas o resultado do processamento para o estudante, dispensando-o de carregar grande parte do sistema para sua máquina o que torna a interação com o sistema bastante lenta e entediante do ponto de vista do estudante. O MathTutor utiliza a biblioteca do JESS através de uma aplicação Java. Pode-se exemplificar o funcionamento do JESS através da busca do estudante por um determinado conteúdo no sistema. O estudante digita uma palavra ou uma frase. Caso o estudante tenha digitado uma frase, uma função Java separa as palavras da frase extraindo as palavras-chaves. A partir daí o JESS verifica qual ou quais palavras estão contidas na base de conhecimento do sistema. É apresentado o resultado da busca para o usuário. A regra apresentada a seguir mostra como funciona a busca pela palavra Pascal, por exemplo. (defrule Pascal (preferência Pascal)! (store exibir1 ) (store titulo1 Pascal )) Tanto os exercícios como os exemplos do MathTutor são realizados em CLisp. O CLisp lê os dados de entrada de um arquivo, onde são gravadas as funções criadas pelo usuário, e faz a interpretação. O resultado é então armazenado em um arquivo e os erros sintáticos são armazenados em outro. Estes arquivos são então lidos por métodos responsáveis por apresentar ao estudante, através da interface, os resultados da interpretação

9 do algoritmo por ele apresentado [Faria and Bittencourt, 2000] Java Servlets Java Servlets são aplicações Java que rodam dentro de um servidor web. Os Java Servlets possuem um modelo de programação similar aos scripts de CGI 1, na medida em que eles recebem uma solicitação HTTP de um navegador web como entrada e espera-se que localizem e/ou construam o conteúdo apropriado para a resposta do servidor. Todos os Servlets associados a um servidor web rodam dentro de um único proceso. Ao invés de criar um processo para cada solicitação, o JVM (do inglês Java Virtual Machine, programa específico da plataforma para rodar programas Java compilados) cria um encadeamento Java para tratar de cada solicitação de Servlet. Já que a JVM persiste além de uma única solicitação, os Servlets também podem evitar muitas operações demoradas, como conexão a um banco de dados, ao compartilhálos entre as solicitações. Pelo fato de serem escritos em Java, os Servlets aproveitam todos os benefícios da plataforma Java básica como: um modelo de programação orientado a objetos, gerenciamento automático de memória, portabilidade compatível com várias plataformas etc. Os Servlets fornecem uma metodologia baseada em Java para mapear solicitações de HTTP em respostas HTTP(Figura 6). A geração do conteúdo da web dinâmico usando Servlets é realizada através de código Java que fornece a HTML representando aquele conteúdo [Fields and Kolb, 2000]. HTTP Servlet Cria encadeamento Recebe solicitação Gera resposta Envia resposta Figura 6: Servlets 4.4. Banco de Dados O banco de dados utilizado é o PostgreSQL, que armazena as informações do sistema. Estas informações se referem principalmente ao estudante e são utilizadas para traçar o perfil do mesmo. O acesso ao banco de dados também é feito através de programas Java Integração A integração das ferramentas só foi possível pois, a linguagem escolhida foi Java. Esta decisão visa a portabilidade do sistema e sua independência em relação a plataformas. Uma vez definida a linguagem de programação, buscaram-se ferramentas de domínio público com as características desejadas. Aplicações JESS e JLite podem ser escritas e controladas em um código Java, através do uso de suas bibliotecas. 1 COMMON GEWAY INTERFACE Mecanismo para servidores web passarem as informações solicitadas para programas externos, que foram executados pelo servidor para gerar respostas no tempo de execução.

10 5. Conclusão O desenvolvimento de um STI não é uma tarefa simples, pois além da arquitetura do sistema, que envolve diversas áreas da engenharia e computação, exige a interdisciplinariedade com áreas pedagógicas essenciais a um sistema que tem por objetivo aliar a tecnologia com a educação. Após a composição do modelo teórico, é necessário buscar as ferramentas adequadas para que o resultado prático seja o mais próximo possível do modelo idealizado. O MathTutor pretende mostrar que apesar de todas as dificuldades encontradas, um STI pode se tornar um grande aliado em sala de aula, contribuindo para o enriquecimento das aulas e fixação do conteúdo apresentado. Resumindo as principais características do MathTutor podemos dizer que utilizamos a linguagem Java, por sua independência de plataforma e popularidade; a KQML como padrão de comunicação entre agentes; e o mecanismo de herança da programação orientada a objetos, são pontos marcantes dentro do JLite que a identifica como uma ferramenta de grande funcionalidade e produtividade para construção de agentes na rede Internet. Fica em aberto trabalho futuro no campo de ferramentas para gerar os tópicos, criação de novos domínios específicos, acrescentar variáveis úteis à caracterização do estudante que permitam ajustar melhor o tutor às necessidade do estudante. Referências Bittencourt, G. (1998). Fundamentos da Estrutura da Informação, Florianópolis: UFSC. gb/fei/. Costa, E. d. B. (1997). Um Modelo de Ambiente Interativo de Aprendizagem Baseado numa Arquitetura Multi-Agentes. PhD thesis, Universidade Federal da Paraíba, Brasil. Faria, T. d. F. and Bittencourt, G. (2000). Um ambiente interativo multiagentes para o ensino de estrutura da informação. XI Simpósio Brasileiro de Informática na Educação (SBIE 2000). Fields, D. and Kolb, M. (2000). Desenvolvendo na Web com Java Server Pages. Editora Ciência Moderna, Rio de Janeiro. Friedman-Hill, E. (1997). Jess, the Java Expert System Shell. Technical report, Livermore, CA, Giraffa, L. M. M. (1999). Comparações entre sistemas de ensino inteligente. Porto Alegre: PUCRS, giraffa. JLite (1997). Java agent template lite. Technical report, Stanford University, agent/html/index2.html. Knezek, G. (1988). Intelligent tutoring systems and ICAI. The Computer Teacher, v.15.