AProSiMA um ambiente para resolução cooperativa de problemas baseado em simulação multiagente

AProSiMA um ambiente para resolução cooperativa de problemas baseado em simulação multiagente Lívia Lopes Azevedo Texto submetido ao exame de qualificação ao Programa de Pós-graduação em Engenharia Elétrica da Universidade Federal do Espírito Santo Orientador: Crediné Silva de Menezes Universidade Federal do Espírito Santo Vitória, setembro de 2006

2 Sumário AProSiMA um ambiente para resolução cooperativa de problemas baseado em simulação multiagente...1 Lívia Lopes Azevedo...1 Texto submetido ao exame de qualificação ao...1 Orientador:...1 Introdução...6 1.1 Motivação...13 1.2 Questões de investigação...15 1.3 Objetivos deste trabalho...17 1.4 Metodologia...18 1.5 Organização deste trabalho...18 2 Resolução de problemas...21 2.1 Resolução de problema individual...22 2.2 Resolução de problema cooperativo...26 3 Sistemas Groupware...28 3.1 Ferramentas para resolução cooperativa de problemas...28 3.2 Ambientes de resolução cooperativa de problemas na internet...30 3.2.1 AmCorA...30 3.2.2 Belvedere...31 3.2.3 CaMILE - Collaborative and Multimedia Interactive Learning Environment.32 3.2.4 EUREKA...33 3.2.5 Groove (atual Groove Virtual Office)...34 3.2.6 GroupSystem...36 3.2.7 HM-Card...38 3.2.8 HyCLASS...38 3.2.9 LearningSpace...39 3.2.10 Lotus Notes...40 3.2.11 Sistema TANGO Interactive...41 3.2.12 WebCT - http://homebrew1.cs.ubc.ca/webct/...42 3.3 Comentarios...43 4 Resolução cooperativa de problemas e simulação...46 4.1 A importância do uso de modelos...48 4.2 O uso dos computadores para estudo de modelos...50 4.3 Tipos de modelos...51 4.4 Simulação...52 4.5 Sistemas complexos...53 5 Simulação Multiagente...58 5.1 Sistema multiagente...58 5.2 Por que usar modelagem multiagente?...63 6 Ambientes de simulação multiagente...65 6.1 StarLogo...65 6.2 Swarm...66 6.3 Repast...69 6.4 AgentSheets...70 6.5 NetLogo...72 6.6 Klik&Play...75 6.7 SIMULA...77 6.8 Considerações sobre os ambientes...81

6.8.1 Definição do agente...81 6.8.2 Definição de comportamento...84 6.8.3 Definição do ambiente...86 6.8.4 Identidade dos agentes e definição de variáveis...86 6.8.5 Ferramentas conceituais,...87 6.8.6 Aspectos gerais dos ambientes...88 7 Um ambiente para resolução cooperativa de problemas baseado na simulação multiagente...92 7.1 Descrição do ambiente AProSiMA...93 7.2 Em busca de entendimento do modelo...95 7.3 Processo de criação do modelo:...96 7.4 Cooperação...98 7.5 Contribuição...100 7.6 Ferramentas do ambiente AProSiMA...103 7.6.1 Pacote NetPlay...105 7.6.2 Pacote cadastro...107 7.6.3 Pacote comunicação...108 7.6.4 Pacote gerenciamento...108 7.6.5 Pacote esquematizador...110 7.6.6 Pacote Mural...112 8 Ferramenta de desenvolvimento cooperativo de modelos de simulação multiagente NetPlay...113 8.1 Especificação de requisitos...114 8.2 A linguagem de programação do ambiente...116 8.2.1 Por que usar linguagem visual?...118 8.2.2 A programação através de linguagem visual...119 8.2.3 A metáfora do teatro para elucidar o modelo proposto...120 8.2.4 A representação do modelo...125 8.2.5 O código...125 8.2.6 A compilação...126 8.3 A Tecnologia utilizada...127 8.3.1 Arquitetura proposta...127 8.3.2 Um protótipo do descritor de problemas cooperativo para simulação multiagentes...129 8.4 Ferramentas disponíveis...130 8.5 A biblioteca de modelos...131 9 O protótipo da ferramenta NetPlay...133 10 O que pretendemos com o ambiente AProSiMA...142 10.1 Validação da proposta...144 10.2 O que ainda deverá ser implementado...146 10.3 O outro lado da moeda...146 Bibliografia...149 Software...155 3

4 Lista de figuras Figura 1 - Dispersão do vírus da gripe aviária...10 Figura 2 - Esquema de resolução cooperativa de problema usando modelos de simulação...12 Figura 3 - Interfaces do ambiente AmCorA...31 Figura 4 - Interface CaMILE...33 Figura 5 - Formulários CaMILE...33 Figura 6 - Tela do Groove com as principais ferramentas...35 Figura 7 - Relação de ferramentas disponíveis para compor workspace...35 Figura 8- Tela inicial GroupSystem (à direita) e ferramenta de agenda (à esquerda)...37 Figura 9 - Ferramenta whiteboard...38 Figura 10 -Interface do ambiente Lotus Note...41 Figura 11 - Pagina principal do TANGO Interactive...42 Figura 12 - Modelo bottom-up...53 Figura 13 - Apresenta a arquitetura para o modelo de agente cognitivo, adaptada de Russel e Norvig (2004), para o modelo de agente cognitivo, adaptada de Russel e Norvig (2004)....60 Figura 14 - Apresenta a arquitetura para o modelo de agente reativo simples, adaptada de Russel e Norvig (2004). O agente reativo simples age de acordo com uma regra cuja condição corresponde ao estado atual definido pela percepção...61 Figura 15 - Essa é uma abordagem bottom up chamada de Modelagem baseada em agente - Agent-based modelling (ABM)...62 Figura 16 - Interface gráfica StarLogo(direita) / centro de controle escrita código (esquerda)...66 Figura 17 - Controle do modelo no ambiente Swarm...67 Figura 18 - Simulação desenvolvida no ambiente Swarm...68 Figura 19 - Modelo de simulação ratoeiras swarm (acima: gráfico de comportamento do modelo; abaixo: visualização da sequência de interações entre os agentes no decorrer do tempo)...68 Figura 20 - Simulação desenvolvida no ambiente Repast...69 Figura 21 - Galeria de definição de agentes, caixa de condições, caixa de ações AgentSheets...70 Figura 22 - Ferramenta de composição de regras...71 Figura 23 - Grade de distribuição dos agentes para executar a simulação...71 Figura 24 - Interface gráfica Netlogo...74 Figura 25 - Fragmento de código em NetLogo...74 Figura 26 - Editor de Eventos Klik&Play...76 Figura 27 - Editor de nível / cenário execução modelo...76 Figura 28 Funcionalidades do ambiente SIMULA...77 Figura 29 - Janela de definição de agentes...78 Figura 30 - Janela de definição de variáveis...79 Figura 31 - Janela de definição de comportamentos dos agentes...79 Figura 32 - Janela de definição das regras de comportamento dos agentes...80 Figura 33 - Janela de execução do modelo de simulaçao - Exemplo Pets...80 Figura 34 AProSiMA - Ambiente de resolução cooperativa de problemas baseado na simulação multiagente...93 Figura 35 - Processo de modelagem de problema para descrever o modelo de simulação...97 Figura 36 - Construção cooperativa...98 Figura 37 - Diagrama de caso de uso do Ambiente AproSiMA...105 Figura 38 Pacote da Ferramenta NetPlay...106

5 Figura 39 - Ferramenta de votação...107 Figura 40 - Placar de votação...107 Figura 41 Pacote Cadastro usuário...108 Figura 42 - Diagrama de caso de uso para Pacote de comunicação...108 Figura 43 - Características previstas para o gerenciador de problemas...109 Figura 44 - Diagrama de caso de uso - ferramenta de gerenciamento...110 Figura 45 - Estrutura de Esquema...110 Figura 46 - Objetivo visualização final ferramenta...111 Figura 47 - Estruturação (esquema)...112 Figura 48 - Pacote Mural...112 Figura 49 - Arquitetura da ferramenta NetPlay...114 Figura 50 - Diagrama de Casos de Uso "Ações do usuário "...114 Figura 51 - Diagrama de classe para composição de condições de comportamento dos agentes...115 Figura 52 - Diagrama de Casos de Uso do subsistema Saída de Dados...116 Figura 53- Metáfora do teatro - Diretor selecionando equipe para encenar peça...121 Figura 54 - Diretor compondo personagem para cada ator peça...122 Figura 55 - Distribuição dos atores e cenário no palco...123 Figura 56 - Regra de comportamento...123 Figura 57 - Arquitetura geral do descritor de problemas para simulação multiagentes...128 Figura 58 - Arquitetura dos componentes do modelo...130 Figura 59 -Telas de entrada do NetPlay...133 Figura 60 - Menu de Ações, à esquerda, e inserir um novo modelo, à direita...134 Figura 61 - Inclusão de agente com seus atributos (à esquerda, agente móvel, à direita, agente estacionário)...136 Figura 62 - Definição de posição específica agente, à esquerda e, à direita, Inclusão de variável Slider...137 Figura 63 - Inclusão de variáveis (à esquerda, tipo Slider e, à direita, tipo lógica)...138 Figura 64 Seleciona tipo de condição (à esquerda) e quadro de composição de condições (à direita)...138 Figura 65 Composição se condição então ação (à esquerda) e à direita, tipos de ações..139 Figura 66 - Inclusão de Gráfico no modelo, à esquerda e, à direita, relação de monitores definido no modelo e visualizados pela opção consulta monitor....139 Figura 67 - Código gerado pela ferramenta, à esquerda e, à direita, interface do NetLogo [Wilensky, 1999] padrão com as ferramentas possíveis de serem gerenciadas pelo NetPlay....140 Figura 68 Ferramenta de controle das versões e ferramenta de busca...141 Lista de tabelas Tabela 1 - Ambientes e ferramentas disponíveis...45 Tabela 2 - Tabela de definição de agente características de determinação...83 Tabela 3 - Tabela de descrição de comportamento...85 Tabela 4 - Tabela de definição de ambiente...86 Tabela 5 - Tabela de identidade dos agentes e definição de variáveis...87 Tabela 6 - Tabela de definição de elementos gráficos ferramentas conceituais...88 Tabela 7 - Tabela de aspectos gerais outros elementos...89

6 Introdução Problemas sempre foi foco de curiosidade das civilizações, pois é da natureza humana buscar explicação para os fenômenos naturais e sociais e estes têm ocupado lugar de destaque desde a antiguidade. Com isto, desde "muito tempo", buscamos construir teorias, que nos ajude a entender e prever os acontecimentos. Observando a proposta de vários teoristas sobre métodos de resolução de problemas, percebe-se que em sua essência trata de um conjunto encadeado de passos lógicos que conduzem o resolvedor a identificar o problema e, por meio de elaboração e execução de estratégias, chegarem a uma solução que deverá ser validada. Um aspecto importante nos métodos de resolução de problema é que eles variam em atividades de coleta, planejamento e análise de dados. Normalmente, a compreensão de um problema requer a identificação dos dados oferecidos, das condições, dos objetivos, das restrições, das incógnitas e das relações entre os dados. O processo de resolução de problemas significa engajar em uma tarefa na qual a solução ainda não é conhecida. Isto implica no desenvolvimento de estratégias cognitivas flexíveis, sobre conceitos anteriormente apreendidos, que ajudem a extrair dados inesperados de situações, algumas vezes mal estruturadas, para produzir soluções para uma situação problema nova. Para encontrar uma solução, um agente (humano, máquina ou software) traça uma estratégia a qual freqüentemente o levará ao desenvolvimento de um novo entendimento acerca do problema. Cada estratégia traçada na busca da solução do problema implicará no desenvolvimento cognitivo do resolvedor. Este processo deve favorecer a aprendizagem significativa na medida em que propicia uma reorganização da informação e do conhecimento armazenado na estrutura cognitiva do sujeito [Novak, 1977, apud Costa, Moreira, 1995]. O interesse em resolução de problemas e a busca por métodos para sua resolução têm motivado muitos pesquisadores no decorrer da história. Inicialmente, a atividade de resolver problema recaia na questão filosófica. Por exemplo, uma das principais questões de investigação de Sócrates (470 a.c. 399 a.c.) era "O que é a natureza ou a realidade última do homem?". Seu método investigativo era o debate e o diálogo. Ele usava a ironia para que o outro pudesse extrair de si mesmo a resposta. Para ele o indivíduo já detém o conhecimento a ser usado para resolver o problema e, portanto, a atividade de resolver problemas não passa de uma recordação. Porém Sócrates não deixou nada escrito, pois argumentava que não se pode fazer perguntas a uma palavra escrita. O trabalho deixado por Euclides (360 a.c. 295 a.c.), destacando Os Elementos (300 a.c.), é de importância excepcional na história e,

7 principalmente na Matemática, pois apresenta uma exposição sistemática de Geometria elementar e tudo que era conhecido na época sobre a Teoria dos Números. É atribuído a Euclides o fato de ser o primeiro a usar o método axiomático. Destaque também deve ser dado ao trabalho de Al-Khwarizmi 1 (xx - 846 a.c), considerado o pai da Álgebra. Ele estabeleceu seis tipos de equações algébricas que ele mesmo solucionou, apoiada em sólidas demonstrações geométricas. Foi devido ao seu tratado de aritmética e ao seu nome que surgiu o termo algoritmo. É interessante citar o Método do discurso 2 (1637), descrito por Descartes (1596-1650), que em termos gerais é um método para bem conduzir a razão na busca da verdade. Em outras palavras esse método quer dizer que para a resolução do problema é necessário ver as coisas de forma certa, e usar um método certo para chegar a uma solução, caso contrário nada será descoberto. A resolução de problemas proposta por Dewey (1859 1952), onde o conhecimento é o resultado da própria experiência, valoriza o método cientifico 3. Wallas (1858-1932) propôs o método criativo 4, que busca valorizar a capacidade de transformação, ou seja, procurar ver as mesmas coisas com novos olhos e, dessa maneira nos abrir para um mundo de possibilidades, até então desconhecidas. Notadamente o trabalho de Polya (1897 1985) é uma referência com relação à metodologia de resolução de problemas. Nele é destacado a heurística. Simon (1916-2001) e Newell (1927 1992) viram 1 Abu Abdullah Muhammad Ibn Musa Al-Khwarizmi. Não é conhecida a data de seu nascimento. O livro com tratado da álgebra é composto por três partes. A primeira sobre a álgebra, que precede um breve capítulo sobre os transações comerciais; a segunda sobre a geometria e a terceira parte sobre as questões de heranças. O objetivo dessa obra era apresentar situaçoes úteis da aritmética tais como: divisao de herança, partilhas, processos judiciais, comércio, ou outros negocios; a medição de terras, a escavação de canais, cálculos geométricos, etc. No seu livro al-khwarizmi não usa qualquer símbolo, nem sequer os símbolos que descreverá posteriormente na sua aritmética. 2 O método do discurso consiste em 4 regras: 1) A evidência - não admitir "nenhuma coisa como verdadeira se não a reconheço evidentemente como tal" (Receber escrupulosamente as informações, examinando sua racionalidade e sua justificação); 2) A análise - "dividir cada uma das dificuldades em tantas parcelas quantas forem possíveis" (divisão do assunto em tantas partes quanto possível e necessário); 3) A síntese - "concluir por ordem meus pensamentos, começando pelos objetos mais simples e mais fáceis de conhecer para, aos poucos, ascender, como que por meio de degraus, aos mais complexos" (elaboração progressiva de conclusões abrangentes e ordenadas a partir de objetos mais simples e fáceis até os mais complexos e difíceis); 4) A enumeração e revisão - "desmembramentos tão complexos... a ponto de estar certo de nada ter omitido" (revisar minuciosamente as conclusões, garantindo que nada seja omitido e que a coerência geral exista). Este método se tornou célebre porque foi visto nele manifestação do livre exame e do racionalismo. Fonte: http://www.mundodosfilosofos.com.br/descartes.htm#a, http://pt.wikipedia.org/wiki/discurso_do_m%c3%a9todo 3 O método científico consiste das seguintes fases: a) Observação de um fato; b) Formulação de um problema; c) Proposta de uma hipótese; d) Realização de uma experiência controlada, para testar a validade da hipótese; e) Análise dos resultados; f) Conclusão. 4 O proceso criativo proposto por Wallas é subdividido em cinco fases, cada uma delas, tendo as suas próprias características: preparação, frustração, incubação, estratégia, iluminação e verificação.

8 o processo de resolução de problemas como quatro capacidades cognitivas 5. As metodologias subseqüentes são derivadas das já mencionados, muitas delas baseadas no modelo de Polya, sem no entanto apresentarem mudanças substanciais. Apesar de muitos modelos de resolução de problemas descreverem métodos de resolução individual, corroboramos com as idéias de [Deek et al, 2000] com relação ao modelo de resolução cooperativa de problemas. Este modelo inclui não apenas os passos para a resolução de problemas genéricos, tarefas de domínio específico e requisitos de habilidades cognitivas, mas também a comunicação e a coordenação das atividades requeridas pelo ambiente cooperativo. Paralelo ao desenvolvimento de métodos de resolução de problemas, os homens, na busca de entender os fenômenos em estudo (naturais, sociais, químicos, físicos, etc.) e encontrar uma resolução, seja esta individual ou cooperativa, para os problemas advindos destes, tem criado modelos como uma forma de representar, explicar e entender o mesmo. Com relação ao sistema planetário, um dos modelos matemáticos mais conhecidos é o de Ptolomeu (85 165), que foi muito importante para os descobrimentos que ocorreram no século XV. Galileu Galilei (1564 1642) elaborou modelos para a queda dos corpos e para o movimento parabólico dos projéteis. Leonardo DaVinci (1452-1519), construiu o modelo da máquina de voar, que muitos declaram ter sido inspirado pelo seu desejo de entender o vôo dos pássaros. Charles Darwin (1809-1882), explicou a teoria da evolução. Francis Crick (1916 2004) e James Watson (1928) propuseram a estrutura da molécula dupla hélice denominada ácido desoxirribonucleico DNA (1953). Um tipo de modelo atualmente em evidência é o de simulação em computador. A simulação no computador, de modo geral, consiste em reproduzir artificialmente uma situação ou fenômeno natural, tais como aquelas possíveis no mundo real. Os modelos de simulação se baseiam na idéia de que os programas exibem o comportamento do sistema real e desta forma, ao transportar um modelo real para um artificial, na qual hipóteses particulares podem ser exploradas, possibilita o processo de resolução de problema como um ambiente de aprendizagem. As Engenharias, Física, Química, Biologia, Medicina, entre outros têm usado a simulação para testar experimentos em diversas situações. Entretanto, construir um modelo 5 Inteligência capacidade de reconhecer a existência do problema, coletar informações pertinentes ao problema, e produzir uma acurada definição sobre o problema; Projeto gerar possíveis soluções alternativas, incluindo soluções preliminares para cada projeto; Escolha - selecionar e implementar uma satisfatória solução e identificar alternativas; Implementação executar a escolha para produzir uma solução.

9 apropriado para realizar a simulação é crucial [Biehler, 1991 apud Sanchez, Canal, 2001]. Um modelo é uma versão simplificada do objeto original. Entretanto, capturar todos os componentes do modelo de simulação é uma tarefa difícil. Pois quanto maior o número de elementos e mais detalhado for o modelo a ser simulado, maior será a quantidade de variáveis que co-existem simultaneamente, fazendo com que um fator adicional cresça em importância: a cooperação. Num processo cooperativo cada individuo contribui com seu entendimento a cerca do problema, através da troca de experiências entre os pares, melhor descrevendo o modelo. Em geral, os especialistas em domínio específico encontram-se geograficamente distribuídos, o que impõe dificuldades à cooperação. O advento e a atual expansão da World Wide Web ao oferecer um suporte de comunicação e tratamento à distância da informação, aproxima os especialistas facilitando o estabelecimento de equipes de trabalho para a resolução cooperativa de problemas. Podemos afirmar então que a resolução de problemas é essencial no desenvolvimento da modelagem de simulação e vice-versa. Além disso, muitas tarefas básicas para se chegar a estrutura da modelagem de simulação podem ser vistos como subproblemas no processo de resolução de problemas: compreender o problema, verificar os dados existentes, estabelecer um plano de ação, executar o plano, validar os dados e fazer um retrospecto da resolução completa [Polya, 1995]. Para melhor ilustrar o que tem sido apresentado abordaremos um problema real sobre o qual idealizaremos as possíveis ações de serem realizadas. Iniciaremos pela apresentação de um problema que tem colocado o mundo em alerta. As informações abaixo foram obtidas através da BBC-Brasil.com e World Health Organization. A Ásia tem sido o berço de seguidas epidemias de doenças avassaladoras. Depois de conter o surto da Sars, Síndrome Respiratória Aguda Severa, agora o continente tem que se preocupar com a gripe aviária. Este é o nome dado à doença causada por uma variedade do vírus Influenza (H5N1) hospedado por aves. As aves selvagens migratórias, principalmente patos selvagens, são os portadores naturais desse vírus, mas costumam não desenvolver a infecção. O risco é que estas aves estão transmitindo o vírus para aves domésticas, que são bem mais suscetíveis ao vírus. Aves migratórias são vetores da gripe aviária. Por isso, não há como evitar que a doença se espalhe. Inicialmente, pensava-se que a gripe aviária infectava apenas aves, até que surgiram os primeiros casos em humanos, em Hong Kong, em 1997.

10 Descobriu que a doença é transmitida para humanos (e outros mamíferos) através do contato com aves vivas e infectadas. Até o momento o vírus tem sido combatido com o sacrifício em massa de aves que podem servir de hospedeiras para ele. Entretanto, para que fosse desenvolvida uma vacina, o surto teria de se materializar e poderia levar meses até que os cientistas conseguissem criar uma medicação profilática. Além do mais é inviável aplicar vacina numa população inteira, pois sua produção é muito baixa e a necessidade emergente. Há, no entanto, drogas antivirais, como o Tamiflu, que contêm os sintomas e, como conseqüência, diminuem as chances de a doença se espalhar. Muitos países já estão estocando estes medicamentos, mas esta solução é apenas paliativa. Para situar a gravidade do problema, veja no mapa apresentado na Figura 1 a situação atual da dispersão do vírus da gripe aviaria. No mapa à esquerda, a cor vermelha representa a contaminação em aves domésticas e a cor alaranjada em aves silvestres. No mapa à direita, os pontos em destaque representam o número de casos registrados no local, a cor vermelha no mapa indica a contaminação em humanos pelo vírus. Fonte: World Health Organization, 2006. Situação em 09.08.2006 Figura 1 - Dispersão do vírus da gripe aviária Uma vez que o vírus consiga a habilidade de ser transmitido facilmente entre humanos, os resultados podem ser catastróficos. No mundo todo, especialistas prevêem que o número de mortes pode ficar entre dois e 50 milhões. A OMS (Organização Mundial da Saúde) agora possui uma nova preocupação. Além de tentar erradicar a doença nos países que apresentam o problema, está prestes a se deparar com o encontro do vírus de linhagem H5N1 com o de H3N2, responsável pela gripe humana comum. O contato poderia provocar uma mutação de alta patogenicidade em alguns indivíduos virais. Isso poderia ter um resultado ainda mais devastador do que o observado no continente asiático, transformando uma epidemia numa pandemia como ocorreu no encontro do agente da gripe espanhola com o da gripe de Hong Kong, que causou a morte de cerca de 49 mil pessoas em 1968.

11 Para afastar essa iminente pandemia, a OMS tem publicado medidas preventivas que podem minimizar os riscos à saúde pública em todo o mundo. Entre essas medidas, estão: a) interrupção do desenvolvimento do vírus entre as aves domésticas; b) vacinação das pessoas que apresentam alto risco de exposição ao vírus; c) fornecimento de equipamento e roupas adequados aos trabalhadores que lidam diretamente com aves; d) isolamento imediato das áreas afetadas; e) alerta das vigilâncias sanitárias e epidemiológicas de todos os países. Após essa rápida exposição, faremos um recorte para sugerir como um problema semelhante a este poderia ser tratado de modo cooperativo no intuito de encontrar sugestões, exposta via modelo de simulação, e avaliar os mecanismos encontrados. Vamos usar a Figura 2 para simular a condução do processo de resolução cooperativa de um problema genérico. O processo inicia com o fato detectado em algum ponto do planeta que, em seguida, foi associado a um problema de elementos já conhecidos, um exemplo existente, passo 1 da figura. Devido à gravidade do problema, este despertou o interesse de outras pessoas que estão geograficamente distribuídas, passo 2 da figura. Com o surgimento de outros focos do problema, mais pessoas se integram ao ambiente com o objetivo de solucionar o problema. Inicia-se a coleta de dados das diferentes fontes, informações encontradas pela internet ou artigos sobre o problema, e também a coleta de dados nos locais específicos de ocorrência do problema, que são as evidencias levantadas, passo 3 da figura. A interação das pessoas com diferentes fontes de informação e conhecimento desencadeia o processo de criação de possibilidades de resolução, passo 4 da figura. Supondo que o problema tratado envolve grande risco e as possíveis alternativas podem não ser eficazes e, a resposta não ocorre simultaneamente à sua aplicação, o desenvolvimento de um modelo de simulação é a estratégia mais viável, através de uma ferramenta própria para este fim. Pode ocorrer durante o trabalho cooperativo que cada elemento do grupo, ou mesmo diferentes grupos, tenham concepções próprias para encaminhar a construção do modelo de simulação, passo 5 da figura. Dentro do próprio grupo essa situação é resolvida através da interação entre os seus componentes. Assim, vários modelos são desenvolvidos e apresentados aos grupos para análise da estratégia proposta e mesmo avaliar se este representa o fenômeno em estudo. Num processo cooperativo, os participantes elegem os modelos que mais aproximam do objeto em análise, passo 6 da figura. Os modelos selecionados passam agora a ser refinados em direção a uma busca de solução do problema, passo 7 da figura. Numa ação conjunta o modelo é refinado e testado no ambiente de simulação. Esse esforço cooperativo direciona para o objetivo proposto de modo muito mais eficiente, devido a contribuição de todos. A solução

12 encontrada, através do modelo de simulação, é então aplicada ao problema, passo 8 da figura, de onde se deve coletar os resultados obtidos para validar o modelo. Feito isto, este então deve ser armazenado no banco de modelos para servir de referência a um outro caso semelhante. Figura 2 - Esquema de resolução cooperativa de problema usando modelos de simulação Vamos percorrer os mesmos passos, focando agora o problema da gripe aviária. Neste caso o foco do problema surgiu em vários pontos da Ásia e foi associado a um problema de elementos já conhecidos, passo 1 da Figura 2. Seguindo a seqüência apresentada na Figura 2, usando as ferramentas de comunicação disponíveis via internet, é possível envolver muitas pessoas, ao mesmo tempo e geograficamente distribuídas, que têm conhecimento diversificado sobre o assunto para coletar dados sobre o problema, levantar hipóteses e traçar planos de ação, passo 2 da Figura 2. Após a apresentação de várias variáveis, informações específicas de fatos ocorridos, análise de imagens, documentos relacionados, levantamento de hipóteses e heurísticas para modelagem do fenômeno, os grupos buscaram construir modelos que caracterizem os dados levantados, passos 2 3 e 4 da Figura 2. Vários modelos podem ser construídos explorando as diferentes possibilidades para análise, por exemplo: rota de propagação do vírus, formas de conter o fluxo de aves, distribuição de vacinas, equipamento de segurança para os trabalhadores em contato direto com animais, previsão de uma mutação do vírus para um caso mais grave, entre outros, passo 5 da Figura 2. Os vários grupos trabalhando cooperativamente concebam modelos que serão apresentados aos demais, retratando o que as pessoas têm feito, as implicações das variáveis adotadas, enfim, as possibilidades do problema. Depois de publicado é possível, através de uma nova sessão de discussão, avaliar os dados de entrada do modelo e o ajustamento de

13 parâmetros, passo 6 e 7 da Figura 2. Este processo pode ser caracterizado com a criação de versões. O passo 8 é a aplicação das soluções encontradas que serão avaliadas no caso real. Entretanto, o processo não pode ser definido de forma totalmente linear, a participação cooperativa e as analises realizadas através dos modelos de simulação é que conduzirão à solução do problema. Se dispuséssemos de um ambiente com as características descritas acima, que possibilitasse a participação cooperativa através de ferramentas de comunicação, uma ferramenta para construção de modelos de simulação de fácil utilizaçao 6, dispositivos para recuperação de informação e discussão de idéias, possivelmente um trabalho assim realizado poderia levar à resolução do problema de modo mais efetivo do que através de ações isoladas. Uma ação realizada nestes moldes corroboraria mais eficientemente com a declaração conjunta 7 apresentada, em 14/07/06, pela Academia Brasileira de Ciências a ser encaminhada à Conferência de Cúpula do G8, que diz: Todos os paises do mundo deveriam cooperar na abordagem dos problemas envolvendo a gripe aviária, assim como nas estratégias mundiais de longo prazo quanto a outras doenças infecciosas e emergentes importantes. 1.1 Motivação Problemas como o apresentado acima nos motivou a idealizar um ambiente com características que dêem suporte à resolução cooperativa de problemas usando modelos de simulação. Gostaríamos também que fosse possível, em nível micro, trazer problemas semelhantes a este mais próximo de nossa realidade educacional, possibilitando aos alunos discutir questões referentes aos fenômenos, coletar dados relacionados, elaborar estratégias de solução fundamentadas nos modelos representantes do sistema em estudo, analisar sobre as conseqüências advindas das tomadas de decisão e, principalmente, desenvolver seu próprio conhecimento num ambiente cooperativo apoiado pelo processo de resolução de problemas. Para testar esta proposta, além de dispor de um ambiente com essas características devemos escolher uma classe de problemas para estudo. Os problemas referentes a sistemas complexos chamaram a nossa atenção pelo fato de estarem presentes diariamente em nossas vidas e permear as disciplinas tradicionais do currículo educacional. Entretanto, possivelmente pelo seu caráter não-linear, raramente estes sistemas são encontrados nas disciplinas até o ensino médio. E realmente, muitos estudos têm mostrado que, tanto no 6 Significa que o seu uso não implica em conhecimento específico de linguagem de programação é bastante intuitivo. 7 http://www.abc.org.br/arquivos/declaracao_conjunta.html

14 público em geral quanto nas disciplinas de ciências, não é fácil encontrar bons pensadores sobre sistemas onde um conjunto de agentes autônomos interage [Resnick, 1999]. Sistemas complexos são aqueles cujos fenômenos e comportamentos emergem das interações de partes simples. São exemplos de sistemas complexos: uma colônia de formigas, um mercado financeiro, uma cidade, bando de pássaros voando, reações do sistema imunológico, congestionamento de trânsito ou o funcionamento do cérebro humano. Em todos esses sistemas não há controle centralizado e os modelos são determinados pelas interações locais entre os componentes descentralizados [Resnick, 1991]. Todos esses sistemas podem ser modelados com a composição de muitas partes distribuídas interagindo entre si e com o ambiente. Muitos estudos têm mostrado que tanto no público em geral quanto no âmbito escolar não é fácil encontrar bons pensadores sobre sistemas cujo comportamento global emerge de interações entre partes composta por regras simples modelos descentralizados [Resnick, Wilenky, 1993] [Resnick, 1999]. Nosso sistema escolar prioriza a percepção Newtoniana do universo sem exceção, todo efeito tem uma causa. O futuro é perfeitamente previsível com base no passado. Entretanto, durante o século XX, esta visão tem sido desafiada de várias formas diferentes. Um dos mais sérios desafios vem do crescente interesse sobre os chamado sistema complexos. Que ao contrário dos modelos Newtonianos, o foco está no comportamento do sistema, e não na ação sobre o indivíduo [Resnick, 1999].. Exemplos de sistemas complexos permeiam nossa vida diária e idéias sobre sistemas descentralizados estão se multiplicando em todos os níveis na forma de organização das empresas, nas ferramentas computacionais, nas atividades econômicas, na organização familiar. No sistema educacional, indiretamente essas idéias estão presentes, um exemplo é a abordagem do ensino centrada no aluno, onde o professor não representa a autoridade central, mas sim um facilitador e um colaborador. Entretanto, é importante desenvolver explicitamente essas idéias junto aos alunos, trabalhando outros modelos e analisando outros fenômenos. O sistema escolar atual, em seus vários níveis, ainda repete uma prática tradicional de ensino que enfatiza a memorização de fórmulas, esquemas, classificação e teorias estabelecidas. Essa classificação pode levar os alunos a aprender os nomes dos ossos do corpo humano, os nomes e formas de diferentes folhas e plantas, ou filo no reino animal, mas isto é muito pouco para o domínio dos fenômenos naturais e sociais. Mesmo na universidade, onde

15 os conteúdos se ampliam para incluir fenômenos não visto nos ciclos anteriores, o processo de memorização e classificação continua essencialmente o mesmo. Este quadro contrasta nitidamente com o aquele que emerge da proposta apresentada nos PCN s Parâmetros Curriculares Nacionais. Nessa proposta os alunos devem ser participantes ativos do processo de aprendizagem. Ao invés de aceitar as informações como prontas e acabadas, eles devem ser levados a questionar os processos, admitindo como teorias provisórias que constantemente são reavaliadas e reconstruídas levando em conta o diálogo entre teoria e evidência. Esta avaliação envolve freqüentemente raciocínio por uma gama de níveis o processo investigativo. Entendendo que a construção de modelos de simulação conduz seu criador a identificar relações entre as partes componentes do sistema, estabelecer seus controles, avaliar as suas conexões, e perceber que coisas podem ser facilmente entendidas e outras não. Além disso, o processo de criação do modelo gera questionamentos e estes motivam a busca por soluções e sugere a participação de outros num processo de construção cooperativa. Tentando estreitar esta distância e buscando um uso efetivo das tecnologias, das ferramentas de comunicação e acreditando que através da exploração de modelos computacionais os aprendizes passam a ter uma atitude mais efetiva na construção do seu próprio conhecimento, estamos desenvolvendo este trabalho, cuja proposta é a criação de um ambiente para resolução cooperativa de problemas baseado, em simulação multiagente. 1.2 Questões de investigação Um modo de resolver problemas é explorando o modelo em si (análise), que no processo de resolução de problema é visto com o primeiro passo. Analisar os problemas à luz de modelos de simulação baseado em multiagente oferece uma gama de questionamentos, às vezes imperceptíveis quando tratados por uma outra abordagem, e esses devem ser apoiados e explorados, pois aprendizagem através de resolução de problemas não significa apenas encontrar uma resposta que satisfaça a uma questão proposta, mas sim procurar entender o sistema como um todo. É importante, além disso, supor novas situações e analisar as conseqüências advindas destas. Para construir um modelo artificial, representante de um sistema complexo, que exiba o comportamento do sistema real, geralmente é necessário envolver uma grande quantidade de variáveis e descrever detalhes de seu comportamento. A captura de todos esses elementos

16 já caracteriza um processo de resolução de problemas (síntese), que é melhor resolvido num processo cooperativo. A modelagem baseada em agentes é um tipo de simulação, caracterizada pela existência de muitos agentes interagindo uns com os outros, com pouca ou nenhuma coordenação central. Através dela é possível observar como os agentes individuais (pessoas, bactérias, insetos, nações, ou organizações) interagem entre si e com seu ambiente e, a partir daí, ter um melhor entendimento sobre os comportamentos dos sistemas sociedades artificiais. Normalmente o desenvolvimento desses modelos envolve um grande número de relações que co-existem simultaneamente, além de requerer abordagem interdisciplinar, sendo necessário buscar estratégias de soluções criativas, e a participação cooperativa. Diante do exposto, é necessário dispor de ambientes computacionais que possibilitem a criação desses modelos de simulação que, normalmente, envolvem fenômenos complexos e modelos descentralizados e possibilite a interação entre os modeladores, através de ferramentas groupware, para resolução cooperativa de problemas suportados pela web. Esses fatos nos conduziram aos seguintes passos: 1) análise dos ambientes de resolução de problemas existentes; 2) análise dos ambientes de simulação multiagente existentes; 3) definição dos requisitos para composição do ambiente com relação à configuração, arquitetura, alcance e abrangência, tecnologia a ser utilizada. Como resultado descobrimos: Existe uma variedade de ambientes que apóiam o trabalho / aprendizagem cooperativo apoiado por computador, ou seja, ambientes CSCW/CSCL (Computer Supported Cooperative Work / Computer Supported Collaborative Learning) e estes disponibilizam um grande número de ferramentas para apoio à interação, síncrona e assíncrona, entre os usuários. Alguns deles disponibilizam ferramentas mais apropriadas para apoio à resolução cooperativa de problemas, por exemplo: ferramentas para coordenação do grupo; ferramentas de brainstorming que possibilita aos usuários apresentar e discutir as diferentes idéias; ferramenta de votação, entre outras; Existem também vários ambientes de programação especificamente projetados para modelagem baseada em agentes. Cada um dos ambientes visitados segue abordagens bem distintas para descrição de modelos de simulação. A maioria desses ambientes

17 descreve o comportamento dos agentes, assim como a interação entre estes, através de procedimentos em uma linguagem de programação textual específica. Uma vez que os ambientes visitados não apresentavam as duas características simultaneamente, isso nos motivou a ir em busca de um ambiente que conciliasse essas duas características: resolução cooperativa de problemas e a simulação multiagente. Para oferecer ao usuário ferramentas conceituais para o acompanhamento do modelo que possibilite levantar hipóteses e fazer novos questionamentos, até que possam explicar e entender os fenômenos em estudo, objetivando encontrar uma resolução, seja esta individual ou cooperativa. 1.3 Objetivos deste trabalho Do ponto de vista de desenvolvimento de sistemas computacionais, para resolução cooperativa de problemas, buscamos desenvolver na área de sistemas multiagentes um ambiente para a descrição de modelos genéricos compostos por agentes, interações e organizações que possam ser instanciados, dado um problema. Do ponto de vista educacional, no âmbito do domínio dos problemas abordados, objetivamos despertar o processo investigativo dos alunos; desenvolver a habilidade de resolução de problemas; despertar sobre o estudo de sistemas complexos e descentralizados; construir modelos como forma de representar, explicar e entender os fenômenos em estudo (naturais, sociais, químicos, físicos, etc.) objetivando encontrar uma solução, seja esta individual ou cooperativa lançando mão da interdisciplinaridade. Assim, o objeto de investigação deste trabalho se fundamentará em dois pilares: a resolução cooperativa de problemas e modelos de simulação baseados em sistemas multiagente. Enfatizando que a resolução cooperativa de problemas ocorre desde a criação do modelo de simulação até a análise do comportamento representado e a tomada de decisão. Este trabalho propõe preencher as lacunas existentes, deixadas pelos diferentes ambientes analisados, com relação ao alcance e facilidade para criação de modelos de simulação multiagente que descrevam sociedades artificiais decorrentes de sistemas complexos. Ainda mais, propõe uma alternativa de elaboração de modelos de simulação utilizando a cooperação entre os pares, reuso de modelos de modo a minimizar os esforços dos modeladores (a nível de estruturação e programação). A validade da proposta será testada através da construção do protótipo e a realização de um experimento com a resolução de problemas usando o ambiente. Após a implementação

18 do ambiente está previsto um trabalho de campo, com alunos da última série do ensino fundamental, com os objetivos de: a) obter dados que nos permita aprimorar os ambientes e b) iniciar um processo de sensibilização para o estudo de sistemas complexos por crianças e adolescentes. 1.4 Metodologia A metodologia utilizada para o desenvolvimento desse trabalho de pesquisa esta detalhada abaixo: 1) Identificação dos contornos do problema, descrição dos objetivos da pesquisa e das questões de investigação; 2) Exploração da literatura na área de resolução de problemas, em particular nos métodos de resolução, resolução cooperativa, estratégias adotadas, descrição de modelos e simulação; 3) Exploração da literatura na área de sistemas complexos e categoria de problemas para investigação; 4) Exploração da literatura na área de ambientes de simulação de sistemas, destacando sistema multiagente; 5) Exploração da literatura na área de ferramentas groupware, tomando como referência os ambientes do tipo CSCW/CSCL; 6) Identificação de um framework conceitual para a construção de um ambiente de resolução cooperativa de problemas baseado em simulação multiagente; 7) Formulação de uma proposta de framework para construção de ambientes de resolução cooperativa de problemas numa abordagem multiagente, com foco na Web e baseado no reuso de modelos; 8) Desenvolvimento de um protótipo utilizando o framework definido, considerando as ferramentas groupware para o trabalho cooperativo e os elementos essenciais para modelagem de simulação multiagente; 1.5 Organização deste trabalho Este trabalho contém, além dessa Introdução mais 9 capítulos. O capítulo 2 Resolução de problemas aborda a resolução de problemas através de um apanhado geral. Aborda a resolução de problemas individual e destaca alguns métodos de

19 resolução existente na literatura. Na seqüência trata sobre a resolução de problemas cooperativamente. O capítulo 3 Sistemas groupware descreve sobre sistemas groupware e as funcionalidade de algumas ferramentas componentes desse sistema. Apresenta uma breve descrição de alguns ambientes dessa categoria e finaliza com um quadro comparativo entre eles. O capítulo 4 Resolução cooperativa de problemas e simulação destaca a simulação como uma forma de representar fenômenos reais. Apresenta a importância dos modelos para entendimento dos problemas e aborda a representação desses através de simulação no computador. Dentre uma variedade de modelos, destacam-se aqueles que representam sistemas complexos. O capítulo 5 Simulação multiagente descreve sobre simulação multiagente, destacando suas aplicações. Na seqüência fazemos uma breve exposição sobre sistemas multiagente (SMA), situando os termos utilizados neste trabalho. O capítulo 6 Ambientes de simulação multiagente apresenta vários ambientes de simulação multiagente, cada um com suas características particulares. Neste capítulo fazemos um relato sobre cada um deles. Apresentamos também uma tabela comparativa entre os principais elementos que caracterizam os ambientes multiagentes. O capítulo 7 Um ambiente para resolução cooperativa de problemas baseado em simulação multiagente descreve a idealização do ambiente de modelagem de simulação multiagente para auxiliar no processo de resolução cooperativa de problemas. Iniciamos o trabalho avaliando desde a busca de entendimento do modelo e o processo de criação do mesmo. No capítulo 8 Ferramenta de desenvolvimento cooperativo de modelos de simulação multiagente - NetPlay neste capítulo apresentamos todo o processo de desenvolvimento, passando desde a especificação de requisitos, definição de linguagem, representação do modelo, tecnologia utilizada, ferramentas disponíveis e a biblioteca de modelos. O capítulo 9 O protótipo da ferramenta NetPlay neste capítulo são apresentadas todas as telas desenvolvidas para o protótipo.

20 O capítulo 10 Validação da proposta apresenta argumentos para validação da proposta e descreve o que ainda deverá ser feito para concluir este trabalho, seguido de um cronograma de desenvolvimento.

21 2 Resolução de problemas A habilidade em resolver problemas vai muito além da simples aplicação de conhecimentos e regras. Resolver problemas implica no desenvolvimento de estratégias cognitivas flexíveis que ajudam a extrair dados inesperados de situações, algumas vezes, mal estruturadas para produzir soluções significativas. A resolução de problemas é importante em muitos campos, tanto de domínio específico quanto genérico. Métodos de resolução de problemas têm sido desenvolvidos há muitos anos. Segundo Deek [1997], [Deek, McHugh, Turoff, 2000]: em (1910) o método cientifico de Dewey (1859-1952); em (1926) a visão criativa do método não sistemático de Wallas (1858-1932); em (1945) o trabalho de Polya (1897-1985), destacando a heurística através de: compreensão do problema, estabelecimento de um plano, execução do plano e retrospecto; em (1953) o método criativo de Osborn (1888-1966) sendo continuado (1967) por Parnes cujos passos são: the mess - significa dizer tudo sobre a situação problema e criar uma declaração que melhor defina o problema e, em sessões de brainstorming, encontrar a idéia, encontrar a solução e planejar a ação; em (1960) o trabalho de Simon (1916-2001) que viu o processo de resolução de problemas como quatro capacidades cognitivas 8 : inteligência, projeto, escolha e implementação; em (1997) o método Dual Commom Model (DCM), desenvolvido por F. Deek, integra a metodologia de resolução de problemas e a tarefa de desenvolvimento de programa com a habilidade e conhecimento cognitivo necessário a cada estágio do processo de resolução, sendo esse método derivado do modelo de Polya. 8 Inteligência capacidade de reconhecer a existência do problema, coletar informações pertinentes ao problema, e produzir uma acurada definição sobre o problema; Projeto gerar possíveis soluções alternativas, incluindo soluções preliminares para cada projeto; Escolha - selecionar e implementar uma satisfatória solução e identificar alternativas; Implementação executar a escolha para produzir uma solução.

22 Métodos mais recentes foram desenvolvidos visando auxiliar estudantes de matemática, ciências e engenharia no refinamento do processo de resolução (subproblemas). Muitos outros modelos surgiram derivados dos já mencionados, mas não apresentado grandes mudanças. Em várias áreas (engenharia, informática, medicina, ensino, biologia, etc.) é possível ver o crescimento da complexidade dos problemas. Com isso um fator adicional tem crescido em importância: a colaboração. De fato, a crescente complexidade das aplicações tem necessitado o uso de equipes ou grupos para desenvolver estratégias e soluções para os problemas, uma vez que se torna inapropriado um único indivíduo lidar com um grande número de variáveis e etapas com adequada experiência ou nível de qualidade. Outro fator que contribui para a necessidade de desenvolvimento de equipes é o fato de os sujeitos experientes em domínio específico tendem a se localizar de modo geograficamente distribuído [Tommarello, 1992], [Tommarello, Deek, 2002]. Estudos têm mostrado que, particularmente quando tais desenvolvedores estão dispersos, seu sucesso depende criticamente da sua capacidade de usar efetivamente sistemas groupware 9 [Nunamaker, 1999]. Tais fatores fizeram da colaboração uma necessidade, não apenas uma mera opção técnica. Felizmente, o surgimento da World Wide Web tornou tecnicamente possível o encontro de colaboradores geograficamente distribuídos. Desse modo, nossa revisão explorará a resolução cooperativa de problema e os ambientes groupware. Entretanto, muitos modelos de resolução de problemas em grupo são baseados nos métodos de resolução de problema individual. Logo é apropriado começar nossa abordagem por essa. 2.1 Resolução de problema individual Normalmente a compreensão de um problema requer a identificação dos dados oferecidos, o comportamento dos elementos componentes do problema, as restrições, as condições em que ocorrem entre os vários elementos e as relações entre elas. Invariavelmente a resolução de um problema requer alguma forma de partição do problema, isto é, divisão em problemas menores. Para melhor elucidar o processo de resolução de problemas vamos detalhar os métodos abordados acima. 9 Neste trabalho, adotaremos a definição dada por [Ellis, Gibbs, Rein, 1991] para groupware: sistemas baseados em computador que apóiam os grupos de pessoas engajadas numa tarefa comum (ou meta) e que fornece um ambiente de interface compartilhada..

23 Apesar de focar a resolução de problemas com o objetivo de aplicá-lo à aprendizagem e desenvolvimento de programas, Deek [1997], [Deek, Turoff, McHugh, 1999], [Deek, McHugh, Turoff, 2000] extensivamente reve as metodologias de resolução de problemas e apresenta um modelo que integra metodologias de resolução de problemas gerais com programa de desenvolvimento de tarefas, e com habilidades e conhecimento cognitivo necessários para cada estágio do processo. Esse modelo integrado, chamado de Dual Common Model (DCM), identifica que cada tarefa da resolução requer uma técnica cognitiva específica. Uma breve descrição do modelo DCM é o seguinte: Formular o problema: esta etapa leva a uma representação organizada de toda informação relevante do problema; Planejar a solução: durante esta etapa, o resolvedor identifica e avalia possíveis soluções alternativas e, se necessário, subdivide o problema; Projetar a solução: isto envolve uma seqüência de metas e submetas estabelecendo relacionamentos entre os vários componentes da solução e as associações entre os dados e as submetas; Transportar: envolve a habilidade de transformar um projeto de solução em solução; Testar: verificar se a realização da solução atende as especificações; Publicar: a solução e os resultados são documentados e divulgados. De fato, o Dual Common Model (DCM) está fortemente fundamentado no trabalho clássico do matemático George Polya. Segundo Polya [1995] uma técnica para resolução de problema consiste em: Entender o problema significa a compreensão do que é requerido no problema, identificar os objetivos, os dados, as incógnitas, as condições, as restrições, e suas relações; Desenvolver um plano esboçar e refinar uma solução potencial para o problema. Deve-se olhar para algum problema similar, reler o problema diferentemente e quebrar em partes;