UNIVERSIDADE DO VALE DO ITAJAÍ
CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR
CURSO DE CIÊNCIA DA COMPUTAÇÃO
ANÁLISE DAS DIMENSÕES AFETIVAS DO TUTOR EM TURMAS DE EAD
Área de Informática na Educação
por
Fabrício Oscar da Cunha
Júlia Marques Carvalho da Silva, MSc
Orientadora
Cláudio Rodrigues da Cunha, MSc
Co-orientador
Itajaí (SC), novembro de 2009
UNIVERSIDADE DO VALE DO ITAJAÍ
CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR
CURSO DE CIÊNCIA DA COMPUTAÇÃO
ANÁLISE DAS DIMENSÕES AFETIVAS DO TUTOR EM TURMAS DE EAD
Área de Informática na Educação
por
Fabrício Oscar da Cunha
Relatório apresentado à Banca Examinadora do
Trabalho de Conclusão do Curso de Ciência da
Computação para análise e aprovação.
Orientadora: Júlia Marques Carvalho da Silva,
MSc.
Itajaí (SC), novembro de 2009
AGRADECIMENTOS
Primeiramente agradeço a Deus pela vida, saúde e sabedoria que me proporcionaram
desenvolver este trabalho.
Aos meus pais, pela força e incentivo que nunca faltaram em toda a minha vida. Vocês são
muito especiais e espero nunca lhes decepcione em suas expectativas. Incluo ainda meus irmãos e
minha namorada, que também me deram apoio e souberam ter paciência quando foi necessário.
Agradeço também imensamente a minha orientadora Júlia, que sempre se fez presente para
me ajudar e apoiar, e que abraçou este projeto desde o inicio. Sei que devo ter deixado ela um
pouco preocupada, mas espero ter alcançado o que ela esperava.
Ainda agradeço a todos da UNIVALI que me ajudaram e me apoiaram direta ou
indiretamente neste projeto. Ao professor Rafael de Santiago, do L2S/UNIVALI Virtual, e ao TI
com o Rodrigo Balaba. Ao professor Marco pelo apoio do EaD. Aos alunos e professores que
colaboraram com o questionário de avaliação. A banca avaliadora que soube, desde o início do
projeto, apoiar e acrescentar conhecimento ao trabalho. A toda a coordenação do curso e em
especial a coordenação de TCC, principalmente a professora Elisangela pelo incentivo.
Incluo também neste, meus colegas de curso e amigos, que além de estarem sempre
presentes nos momentos de alegria – que foram muitos, souberam apoiar nas ocasiões de
dificuldade.
ii
SUMÁRIO
LISTA DE ABREVIATURAS................................................................... v
LISTA DE FIGURAS ................................................................................ vi
LISTA DE TABELAS .............................................................................. vii
LISTA DE EQUAÇÕES .........................................................................viii
RESUMO .................................................................................................... ix
ABSTRACT ................................................................................................. x
1 INTRODUÇÃO ...................................................................................... 1
1.1 PROBLEMATIZAÇÃO ..................................................................................... 3
1.1.1 Formulação do Problema ................................................................................. 3
1.1.2 Solução Proposta ............................................................................................... 4
1.2 OBJETIVOS ........................................................................................................ 5
1.2.1 Objetivo Geral ................................................................................................... 5
1.2.2 Objetivos Específicos ........................................................................................ 5
1.3 METODOLOGIA................................................................................................ 5
1.4 ESTRUTURA DO TRABALHO ....................................................................... 7
2 FUNDAMENTAÇÃO TEÓRICA ........................................................ 8
2.1 COMPUTAÇÃO AFETIVA............................................................................... 8
2.1.1 Trabalhos Correlatos ...................................................................................... 10
2.1.1.1
AnimA ....................................................................................................... 11
2.1.1.2
PAT ............................................................................................................ 12
2.1.1.3
Kurrupako ................................................................................................ 13
2.1.2 Considerações sobre Computação Afetiva ................................................... 14
2.2 AMBIENTES VIRTUAIS DE ENSINO-APRENDIZAGEM ....................... 14
2.2.1 Tipos de Ambientes Virtuais de Ensino - Aprendizagem ........................... 15
2.2.2 A Afetividade em Ambientes Virtuais de Aprendizagem ........................... 23
2.2.3 Considerações sobre os Ambientes Virtuais de Ensino Aprendizagem .... 25
2.3 SISTEMAS TUTORES INTELIGENTES ..................................................... 25
2.3.1 Assistentes Inteligentes de Aprendizagem .................................................... 27
2.3.2 Considerações sobre os Aspectos Inteligentes em AVEA ........................... 29
2.4 OS PAPÉIS NA EAD ........................................................................................ 29
2.4.1 Tutor EaD ........................................................................................................ 31
2.4.2 Trabalhos Relacionados ................................................................................. 34
2.4.3 Considerações sobre os Tutores EaD ............................................................ 35
3 PROJETO ............................................................................................. 36
3.1 ATRIBUTOS AFETIVOS SELECIONADOS ............................................... 36
3.1.1 Sociabilidade .................................................................................................... 37
3.1.2 Comunicabilidade ........................................................................................... 37
iii
3.1.3 Pontualidade .................................................................................................... 38
3.1.4 Comprometimento .......................................................................................... 38
3.1.5 Meticulosidade ................................................................................................. 38
3.1.6 Iniciativa .......................................................................................................... 39
3.2 DESENVOLVIMENTO.................................................................................... 39
3.2.1 Definição das Estratégias para o Componente Afetivo ............................... 39
3.2.2 Definição das Fórmulas Cálculo para o Componente Afetivo ................... 41
3.2.2.1
Sociabilidade ............................................................................................. 41
3.2.2.2
Comunicabilidade .................................................................................... 43
3.2.2.3
Pontualidade ............................................................................................. 45
3.2.2.4
Comprometimento ................................................................................... 46
3.2.2.5
Meticulosidade .......................................................................................... 48
3.2.2.6
Iniciativa.................................................................................................... 49
3.2.3 Verificações ...................................................................................................... 50
3.2.4 Protótipo .......................................................................................................... 54
3.2.5 Dificuldades Encontradas .............................................................................. 54
4 CONCLUSÕES .................................................................................... 56
PUBLICACÕES ....................................................................................... 58
REFERÊNCIAS BIBLIOGRÁFICAS ................................................... 59
QUESTIONÁRIO DE AVALIACAO .................................................... 64
iv
LISTA DE ABREVIATURAS
ALICE
AVA
CAI
EaD
FFM
FLAME
GPL
ILE
ITA
LMS
MOODLE
NUTED
OCC
PHP
ROODA
STI
TADS
TCC
UCL
UFRGS
UNIVALI
Algorithm Learning Internet-based Computer Environment
Ambiente Virtual de Aprendizagem
Computer Aided Instruction
Educação / Ensino a Distância
Five Factor Model
Fuzzy Logic Adaptive Model of Emotions
General Public Licence
Intelligent Learning Environments
Intelligent Tutoring System
Learning Management System
Modular Object-Oriented Dynamic Learning Environment
Núcleo de Tecnologia Digital
Ortony, Clore & Collins
Hypertext Preprocessor
Rede Cooperativa de Aprendizagem
Sistemas Tutores Inteligentes
Tecnologia em Analise e Desenvolvimento de Sistemas
Trabalho de Conclusão de Curso
Universidade Catórica de Louvain
Universidade Federal do Rio Grande do Sul
Universidade do Vale do Itajaí
v
LISTA DE FIGURAS
Figura 1. Esquema geral do reconhecimento dos estados de ânimo .................................................. 12
Figura 2. Agente PAT e suas caracterizações. ................................................................................... 13
Figura 3. Interface do Kurrupako ....................................................................................................... 14
Figura 4. Interface do MOODLE ....................................................................................................... 16
Figura 5. Interface do Teleduc ........................................................................................................... 19
Figura 6. Interface do Claroline ......................................................................................................... 20
Figura 7. Interface do Sakai ............................................................................................................... 21
Figura 8. Interface do ambiente ALICE ............................................................................................. 22
Figura 9. Interface do ROODA .......................................................................................................... 23
Figura 10. Arquitetura tradicional de um STI .................................................................................... 26
Figura 11. Arquitetura de um ITA ..................................................................................................... 28
Figura 12. Tabelas do banco de dados utilizadas na sociabilidade .................................................... 43
Figura 13. Tabelas do banco de dados utilizadas na comunicabilidade ............................................. 44
Figura 14. Tabelas do banco de dados utilizadas na pontualidade..................................................... 46
Figura 15. Tabelas do banco de dados utilizadas no comprometimento ............................................ 47
Figura 16. Tabelas do banco de dados utilizadas na meticulosidade ................................................. 49
Figura 17. Tabelas do banco de dados utilizadas na iniciativa .......................................................... 50
Figura 18. Imagem do Protótipo como Block .................................................................................... 54
vi
LISTA DE TABELAS
Tabela 1. Relação entre as funções do professor e do tutor ............................................................... 33
Tabela 2. Relação entre as funcionalidades do sistema e os atributos afetivos ................................. 40
Tabela 3. Escala de valores de sociabilidade ..................................................................................... 42
Tabela 4. Escala de valores de comunicabilidade .............................................................................. 44
Tabela 5. Escala de valores de pontualidade ...................................................................................... 45
Tabela 6. Escala de valores do comprometimento ............................................................................. 47
Tabela 7. Escala de valores de meticulosidade .................................................................................. 48
Tabela 8. Escala de valores de iniciativa............................................................................................ 49
Tabela 9. Quantidade de alunos por turma avaliada .......................................................................... 52
Tabela 10. Tabela de valores do questionário .................................................................................... 52
Tabela 11. Comparação de resultados ................................................................................................ 52
Tabela 12. Comparação de resultados ................................................................................................ 53
Tabela 13. Desempenho de cada atributo afetivo .............................................................................. 53
vii
LISTA DE EQUAÇÕES
Equação 1 ........................................................................................................................................... 42
Equação 2 ........................................................................................................................................... 43
Equação 3 ........................................................................................................................................... 45
Equação 4 ........................................................................................................................................... 46
Equação 5 ........................................................................................................................................... 48
Equação 6 ........................................................................................................................................... 49
viii
RESUMO
CUNHA, Fabrício Oscar da. Análise das Dimensões Afetivas do Tutor em Turmas EaD. Itajaí,
2008. no 76. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação)–Centro de
Ciências Tecnológicas da Terra e do Mar, Universidade do Vale do Itajaí, Itajaí, 2009.
As inovações na computação têm apresentado mudanças em todas as áreas, inclusive no ensino e,
mais especificamente, no ensino a distância. Outra área computacional que surgiu recentemente e
está sendo alvo de mais pesquisas é a computação afetiva, que trabalha com a afetividade nos
computadores, buscando maneiras de se captar, gerar e simular as emoções em computadores. A
junção destas duas áreas levou a uma nova perspectiva do ensino: ela apresenta novas soluções,
possibilidades e aplicações de se trabalhar afetivamente com os integrantes do processo
educacional. Alguns trabalhos vêm sendo desenvolvidos sob esta aplicação, porém não abrangem
um ator importante neste processo: o tutor. Este presente trabalho visa observar exatamente esse
papel desenvolvido no ensino à distância, buscando analisar e definir as principais funções, os
fatores afetivos que podem ser detectados e como podem melhorar e influenciar o ensino. Foi
desenvolvido um módulo protótipo implantado dentro de um sistema EaD escolhido (MOODLE),
que buscará auxiliar o professor a melhorar seu método de ensino, seu relacionamento com os
alunos e suas atividades. Por fim, foi feito um comparativo dos resultados do protótipo com os
resultados de um questionário aplicado aos alunos, que avaliaram o professor, buscando verificar a
coerência dos dados obtidos pelo protótipo. Com isso, pretende-se melhorar a eficiência do
processo educacional, aperfeiçoando tanto aspectos cognitivos quanto afetivos do participante de
um curso EaD.
Palavras-chave: Ensino a Distância. Computação Afetiva. Tutor.
ix
ABSTRACT
The innovation in computer science has came a lot of changes, including in Education and,
specially in the e-learning. The Affective Computing has also emerged recentelly. It studies the
affective aspects on the computers, searching for how to to capture, to generate and to simulate the
affetive states on computers. Both areas have led to a new perspective of education: it presents a
new solutions and possibilities, because they study affectively with members of the educational
process. Some researchs are being developed in these areas, but they don’t cover an important
actor in this process: the tutor. This research aims to study the tutor, such as the emotional factors
that can be detected and how they can improve the teaching and influence into the learning process.
It is present a study on Affective Computing, Learning Management Systems (LMS), tutor’s tasks.
We intend to develop a module into a LMS(MOODLE), in order to help the tutor improves his/her
actions and the relationship with the students. As the result, we hope to improve the efficiency of
the educational process, improving the cognitive and the affective aspects of the tutor in the elearning.
Keywords: E-learning. Affective Computing. Tutor.
x
1 INTRODUÇÃO
Com o advento dos recursos tecnológicos e seu uso em atividades de ensino e aprendizagem,
inovações têm propiciado a alunos e professores novas experiências. Em especial os computadores
têm conquistado cada vez mais os educadores, por proporcionar situações que seriam difíceis de
executar com os recursos atuais, como quadro e giz. O grande número de pesquisas e resultados
obtidos despertou para a Informática na Educação o interesse pela investigação científica.
Dentre as novas experiências vivenciadas pelos alunos e professores está a Educação a
Distância, que é o processo de ensino-aprendizagem mediado por tecnologias (cartas, televisão,
computadores e suas mídias). Professores e alunos estão separados espacial e/ou temporalmente,
mas podem estar conectados, interligados por elas, como a Internet (MORAN, 1994).
Com o surgimento da Internet, primeiramente identificou-se uma oportunidade de
disponibilizar materiais e atividades didáticas. Em seguida, iniciou-se o desenvolvimento dos AVA
- Ambientes Virtuais de Aprendizagem, que além de gerenciar os conteúdos didáticos, são capazes
de realizar registros sobre a interação de seus participantes.
De um modo geral, os AVA disponibilizam ferramentas para gerenciamento dos
participantes, gerenciamento de conteúdo, comunicação síncrona e assíncrona, verificação da
aprendizagem, registro das interações. Tais AVA podem ser divididos entre os que atendem o
público geral e os que atendem a uma especialidade de ensino. Os AVA que atendem um público
geral normalmente são os mais utilizados, principalmente em instituições de grande número de
participantes. Exemplos destes tipos de AVA são o MOODLE - Modular Object-Oriented Dynamic
Learning Environment (2008), o Claroline (2008) e o TelEduc (2008). Através de uma breve análise
nas versões originais destes ambientes, verificou-se que eles apresentam poucas funcionalidades de
personalização, tais como os cursos em que o participante está vinculado.
Hoje, um dos maiores desafios do professor, tanto em sala de aula como em um ambiente
virtual de ensino, é manter os alunos dispostos a aprender. O professor pode utilizar várias formas
para manter os alunos com vontade de aprender, propondo novos desafios, comunicando-se com
ele, enviando materiais complementares, etc. Já sob o ponto de vista profissional, um professor deve
apresentar formação em sua área de atuação e facilidade em se fazer entender pelo aluno utilizando
os recursos técnicos e psicopedagógicos disponíveis. Além dessa formação, a importância da
adequada utilização das suas habilidades afetivas cresce cada vez mais, pois a ausência do aluno em
sala de aula exige do professor um percepção maior e, normalmente, são pouco exploradas em
qualquer tipo de ambiente educacional.
Tendo em vista que os ambientes EaD oferecem uma nova perspectiva de ensino, onde a
ausência física parece ser o maior obstáculo, acredita-se ser imprescindível discutir e apresentar
propostas que minimizem as dificuldades relacionais a partir do aprimoramento das competências
afetivas dos envolvidos no processo, priorizando a teoria e a prática, que podem influenciar a
atuação do docente.
Os ambientes AVEA estão sendo cada vez mais utilizados nos cursos a distancia e estes
sistemas atuais têm enfatizado a importância da aprendizagem onde o aluno é o foco. A associação
entre a cognição e o tipo de emoção que permeia o processo de ensino-aprendizagem tem sido
objeto de discussões que privilegiam mais as questões relativas à primeira do que à emoção e as
afetividades envolvidas. Entretanto, durante o processo de ensino-aprendizagem, o professor é tão
importante quanto os alunos, pois, dependendo do seu conhecimento técnico e de suas
características afetivas, tem influência direta sobre os resultados do processo acima citado e sobre
as relações entre os participantes. Yacef (2002) propõe uma nova arquitetura de ambientes AVA,
que reforça o papel do tutor (professor) e a necessidade de incluí-lo no projeto do ambiente, apoiado
por ferramentas de monitoramento e análise das informações.
Neste trabalho a utilização de técnicas e conhecimentos da relacionados a Computação
Afetiva muito úteis. A Computação Afetiva é uma área de conhecimento da computação que tem
por objetivo fazer com que sistemas computacionais possam detectar, classificar e responder as
emoções humanas. Para tal, utiliza conhecimento de várias outras áreas, como a Inteligência
Artificial, a ciência cognitiva e a psicologia. Com a necessidade de tornar os computadores aptos a
interagir o mais próximo possível dos seres humanos, essa área foi criada e tem cada vez mais sido
alvo de projetos e pesquisas. Isso inclui a forma de raciocinar e de como captar e transmitir as
emoções (HASSIN; AZIZ; NORWAWI, 2004).
Vicente (2000) define a computação afetiva como a capacidade de detectar emoções (através
de ações na interface e sensores), simular emoções (representadas através de computadores) e gerar
emoções artificiais (que o computador tenha emoções de verdade). Flores (1998) afirma que a
relação entre as emoções e a educação é muito próxima, pois o estado afetivo de um aprendiz
interfere diretamente na motivação e aptidão em se aprender algo. Tendo em vista essa ligação de
2
emoção com educação, computação afetiva se encaixa perfeitamente dentro do contexto do
trabalho.
Para que se possam desenvolver sistemas que utilizam a afetividade, é necessário pesquisar
métodos de captura das emoções do usuário. Diversos são os meios de se capturar as expressões do
corpo humano, contudo não é qualquer método que atende às necessidades de um sistema e
cheguem ao real objetivo.
A partir deste cenário surgem várias questões, dentre as quais se destacam: quais condutas
docentes seriam consideradas casos de sucesso, isto é, turmas em que o professor se destacou como
“um bom condutor”? Quais seriam os seus principais atributos afetivos para determinada atividade
acadêmica? Como constatar que os atributos selecionados podem influenciar as atividades
desenvolvidas? A partir de um modelo identificado, é possível desenvolvê-lo em um ambiente
virtual de apoio ao ensino a distância de forma que auxilie qualitativamente o professor em suas
rotinas ?
Nesse sentido o presente trabalho de conclusão de curso pretende utilizar técnicas e
metodologias para identificar, analisar e apresentar por meio de módulo a ser desenvolvido, os
fatores afetivos para o tutor que atua no nível de graduação em atividades educacionais à distância
ou semi-presenciais.
1.1 PROBLEMATIZAÇÃO
1.1.1
Formulação do Problema
Atualmente é crescente o número de cursos a distância, que utilizam ambientes virtuais para
apoio as atividades de ensino-aprendizagem. Com isto, faz-se necessária a preparação de pessoal
para as mais diversas tarefas: acompanhamento dos alunos, produção de material instrucional,
administração pessoal e de secretaria. A atuação de docentes em cursos de Educação a Distância
(EaD), assim como qualquer outro tipo de curso, exige a busca de profissionais com habilidades,
atributos técnicos e relacionais para orientar os aprendizes em suas atividades discentes. Ainda,
precisam procurar estabelecer vínculos com os alunos, aproximando-os, já que estão separados
temporal e/ou fisicamente.
3
Um tutor deve apresentar competência em sua área de atuação e facilidade em se fazer
entender pelo aluno através da utilização dos recursos técnicos e pedagógicos disponíveis. Logo, ele
deve ser capaz de compreender o material instrucional do curso e orientar os alunos na
aprendizagem. Além disto, deve manter um bom nível de interação com os alunos, já que
considerando que a EaD oferece uma modalidade de ensino onde a ausência física parece ser o
maior obstáculo (no que tange às relações interpessoais), acredita-se ser imprescindível discutir e
apresentar propostas que minimizem as dificuldades relacionais a partir do aprimoramento das
competências afetivas dos envolvidos no processo, priorizando a atuação de tutoria.
Logo, considerando que um curso a distância utiliza sistemas computacionais para
possibilitar a sua execução, questiona-se a viabilidade de verificar a atuação docente, e até mesmo,
auxiliá-lo através da indicação de onde pode obter melhor atuação. Tal acompanhamento e
aconselhamento já ocorrem em nível de aluno, onde assistentes inteligentes atuam interna
(embutido no sistema) ou externamente (interface). Entretanto, projetos direcionados a melhoria da
prática docente ainda são pouco comuns.
1.1.2
Solução Proposta
A partir da problemática apresentada e considerando a utilização de ambientes virtuais de
ensino-aprendizagem para suporte de cursos EaD, sugere-se o desenvolvimento de um componente
computacional de apoio ao tutor. Com base na Computação Afetiva, tal componente deve
considerar atributos afetivos para o aprimoramento da tutoria.
Inicialmente buscando fundamentação teórica adequada e suficiente, serão selecionados os
atributos afetivos a serem considerados, pretende-se analisar como os mesmos podem ser
identificados e mensurados por um ambiente virtual de ensino-aprendizagem. Por fim, planeja-se
realizar uma prova de conceito, onde o componente computacional desenvolvido deve ser aplicado
a uma base de dados de um curso EaD a fim de validar seus conceitos, seu planejamento e sua
aplicabilidade.
Sabe-se desde já que o diagnóstico dos estados afetivos é um tema polêmico e não finito,
onde cada pessoa tem sua própria interpretação de como deve ser feito e quais atitudes devem ser
sugeridas. Logo, o presente trabalho visa apresentar uma possibilidade de apoiar a atividade de
tutoria.
4
1.2 OBJETIVOS
1.2.1
Objetivo Geral
Desenvolver um módulo computacional que possa reconhecer, analisar e apresentar as
dimensões afetivas para que os tutores sejam orientados sobre como melhorar suas tarefas através
de um ambiente virtual de ensino e aprendizagem.
1.2.2
Objetivos Específicos
Avaliar as ferramentas atuais e perceber as necessidades dos tutores com relação aos
aspectos afetivos;
Desenvolver a coleta, análise e apresentação dos fatores afetivos dos tutores;
Proporcionar a orientação dos tutores, por meio da interface do módulo, das análises
efetuadas sobre os fatores afetivos, para que possam se aperfeiçoar; e
Desenvolver protótipo integrado ao sistema AVA escolhido.
1.3 METODOLOGIA
Este trabalho inicia-se com uma pesquisa sobre computação afetiva, buscando entender seus
conceitos, aplicações e modo de utilização. A busca por trabalhos realizados com relação a este
conceito também foi necessária, vendo maneiras diferentes de aplicar essa tecnologia que é muito
importante para este trabalho.
Em seguida o estudo aos ambientes virtuais de ensino e aprendizagem é feito para entender
o funcionamento, objetivos e tipos destes sistemas, assim como o seu uso no meio educacional.
Busca-se também observar principais funcionalidades dos sistemas principais pesquisados.
A pesquisa de trabalhos correlatos se faz necessária no que diz respeito a obter informações,
possíveis problemas, êxitos, acertos e estabelecer relação deste com os outros trabalhos. Este estudo
traz a este trabalho um pouco da experiência obtida nestes trabalhos correlatos.
5
Na seqüência é feito um estudo para buscar definir as atividades do tutor EaD durante o
processo educacional. Também se busca entender como funcionam corretamente as funções e
papéis existentes em uma equipe de ensino.
Com base nos dados obtidos na pesquisa dos AVA, um dos sistemas pesquisados é
escolhido e será utilizado para o desenvolvimento deste projeto. Busca-se avaliar vários fatores,
como documentação, amplitude de uso, método de implementação e estruturação, licença de uso,
principais funcionalidades, dentre outros.
Logo após são definidas as dimensões afetivas a serem trabalhadas, que serão aplicadas
neste trabalho. Elas serão definidas com o auxílio de embasamento teórico e são necessárias para
obter os dados necessários e, por fim, definir o estado afetivo do professor.
Com os dados de funcionalidades de sistema e dimensões afetivas a serem trabalhos, é
montada uma estratégia de trabalho para detectar e interagir com as emoções a serem trabalhadas,
com uma relação entre funcionalidades e dimensões.
A implementação do protótipo é feita levando em consideração todos os dados levantados,
como o sistema escolhido para o desenvolvimento, funcionalidades onde serão coletados os dados,
os atributos afetivos que serão coletados, o relacionamento entre as funcionalidades e seus
respectivos atributos, e as experiências e conhecimentos alcançados pelos trabalhos correlatos.
A avaliação do protótipo e dos resultados tem por objetivo observar se o mesmo foi
desenvolvido corretamente e de acordo com os dados já levantados. Essa etapa também verifica se
os resultados imediatos estão em conformidade com o esperado, ou seja, se o funcionamento das
funções afetivas está correto. Esta avaliação se baseia em comparar os dados obtidos pelo protótipo
com os dados coletado por meio de um questionário de avaliação do professore, que foram
aplicados aos alunos.
Por fim, é feita a documentação e discussão dos resultados, levantando dados sobre os
conceitos usados e sua utilização, aplicabilidade do sistema, resultado da prova de conceito e a
conclusão final do projeto. Ainda será apresentado um confronto entre os dados obtidos e os dados
esperados, constatando assim qual foi o real impacto da aplicação sobre o processo de
aprendizagem.
6
1.4 ESTRUTURA DO TRABALHO
O presente trabalho encontra-se organizado em 4 capítulos. O capítulo 1, introduz o leitor ao
trabalho de conclusão de curso através de sua contextualização, apresentação do problema e
proposta de solução para o problema, objetivos gerais e específicos e metodologia de pesquisa a ser
adotada ao longo do desenvolvimento.
O capítulo 2 discorre sobre os temas pesquisados necessários para o desenvolvimento do
trabalho. São apresentados conceitos de Computação Afetiva e seus trabalhos correlatos. Na
seqüência são apresentados os ambientes virtuais de ensino-aprendizagem, muito utilizados para
lecionar cursos EaD. Ainda é discutido como a Inteligência Artificial está relacionada a eles, através
das áreas de estudo de Sistemas Tutores Inteligentes e Assistentes Inteligentes de Aprendizagem, e
como a afetividade está empregada nos ambientes virtuais. Por fim, são apresentados os papéis na
EaD (aluno, professor, etc.), dando ênfase ao tutor EaD, que é o foco de estudo do trabalho.
O capítulo 3 apresenta o projeto do trabalho de conclusão de curso. Inicialmente são
discutidos os atributos afetivos selecionados para a pesquisa, onde cada um é detalhado em seu
significado e aplicabilidade em um ambiente virtual de ensino-aprendizagem. Em seguida são
apresentados como foram desenvolvidos cada atributo dentro módulo e como se deram os testes e
as validações efetuadas.
O capítulo 4 apresenta as considerações finais, onde são apresentados os resultados obtidos
no projeto.
7
2 FUNDAMENTAÇÃO TEÓRICA
Neste capítulo são apresentados os conceitos mais importantes utilizados neste projeto. Estes
são necessários ao entendimento e desenvolvimento tanto de aplicações EaD como de sistemas
afetivos. Os conceitos apresentados são: Computação Afetiva, Ambientes Virtuais de Ensino e
Aprendizagem, Sistemas Tutores Inteligentes e Assistentes Inteligentes de Aprendizagem. Também
são detalhados trabalhos relacionados aos conceitos, proporcionando soluções e problemas que
podem ser encontrados durante o decorrer deste projeto.
2.1 COMPUTAÇÃO AFETIVA
O termo afetividade refere-se a um conjunto de fenômenos psíquicos que podem ser
identificados no ser humano, que incluem desde as primeiras manifestações orgânicas, como a fome
e a saciedade (sofrimento e prazer), até as manifestações relacionadas ao lado social, como a
emoção, motivação, humor, paixão, etc. (ALMEIDA, 2002).
A Computação Afetiva se caracteriza como a área da computação que se dedica em estudar
a influência dos aspectos afetivos em sistema computacionais. Atividades como reconhecer,
analisar, avaliar, simular e, até mesmo, inferir interações afetivas entre homem-computador são
compreendidas nesta área (PICARD, 1997). Ela se vale de várias outras áreas, como filosofia,
Inteligência Artificial, psicologia e ciência cognitiva para desenvolver suas soluções e métodos.
A área é classificada em três grandes áreas (VICENTE, 2000):
Detecção das emoções: é a capacidade computacional de detectar emoções. Tais
emoções podem ser extraídas de ações e gestos que o ser humano expõe ao senti-las.
Toques, gestos, olhos, postura, mãos, etc. são todos fatores que podem determinar
que emoção a pessoa a ser analisada esteja sentindo naquele momento;
Simulação das emoções: quando um computador pode expressar emoções sentidas
por humanos. Uma das principais funções da simulação de emoções é que aumenta a
capacidade de comunicação entre homem e máquina, já que se aproxima mais da
maneira humana de se comunicar. Outro fator positivo da simulação de emoções é o
fato de normalmente aumentar a participação e a motivação das pessoas que usam
um sistema com esta característica; e
Geração das emoções: a capacidade de equipamentos computacionais detectarem e
simularem emoções não quer dizer que os mesmos a possuam. Desta forma, a
geração de emoções trata exatamente deste ponto, com a finalidade de possibilitar
que sistemas computacionais tenham a capacidade de possuir emoções.
Para Picard (1997), a capacidade das máquinas interagirem afetivamente com os seres
humanos pode influenciar diretamente sobre vários aspectos da vida humana, como, por exemplo,
na argumentação de idéias e pensamento racional, pois facilitam uma comunicação mais natural
entre humano e máquina, tornando-a mais inteligente, flexível e eficiente.
Vários sistemas utilizam-se deste tipo de tecnologia, e um deles é o robô Aibo, da Sony
(AIBO, 2008). Este pequeno aparelho tem a capacidade de aprender comandos e hábitos, assim
como cinco tipos de emoções diferentes: tristeza, felicidade, desgosto, medo, raiva e surpresa. Com
o passar do tempo, durante seu uso no dia-a-dia, ele passa a se adaptar ao modo com que seu dono e
as demais pessoas, tornando cada Aibo diferente. Para expressar suas emoções, ele possui em sua
cabeça uma interface colorida com luzes, movimentos de cabeça, rabo e orelhas, assim como sons
que podem ser emitidos. Este robô pode mudar seu temperamento conforme seu ambiente ou como
ele é tratado afetando seu comportamento.
Outro exemplo que teve grande impacto sobre o público em geral foi o Tamagoshi, que em
1997 foi muito difundido entre crianças e adultos. Ele conseguia expressar emoções e sentimentos
muito bem, necessitando que o seu criador lhe desse carinho e atenção para que ele pudesse se
desenvolver de forma sadia e natural.
Para deduzir os aspectos afetivos, são apresentados pela literatura vários métodos diferentes
(LIAO et al, 2006), que podem ser classificados basicamente em três classes: dedução por
prognóstico (top-down), dedução por diagnóstico (botton-up) e dedução híbrida (mistura das classes
anteriores). Na dedução por prognóstico, apoiada por teorias psicológicas, a captação dos aspectos
afetivos é baseada nos fatores que influenciam ou causam o estado efetivo. Um exemplo deste tipo
de dedução é a teoria OCC (ORTONY; CLORE; COLLINS, 1988), que é amplamente utilizada
para sintetizar vinte e dois estados afetivos, como é apresentado por Bercht (2001) e Jaques e Vicari
(2005), onde se avaliam cada estado afetivo sob três aspectos: conseqüência dos eventos, ação dos
agentes envolvidos na comunicação afetiva e aparência dos objetos, padrões e preferências. A
intensidade do estado afetivo reconhecido é dada através de cálculos obtidos a partir de variáveis
9
globais (senso de realidade, proximidade, etc) e locais (probabilidade de ocorrer o evento,
possibilidade de realização do objetivo, esforço para atingir o objetivo, etc).
Na dedução por diagnóstico, a captação é feita através de medidas comportamentais e
fisiológicas. Diversos estudos estão sendo desenvolvidos neste sentido, como o de Kapoor e Picard
(2005), que apresentam uma abordagem com vários sensores para reconhecer e avaliar o interesse
ou desinteresse de crianças durante um jogo educacional por computador. Informações sobre as
expressões faciais, postura na cadeira e movimentos da cabeça são captadas e analisadas. A
extração de características afetivas das feições através de imagens de vídeos são usadas por Zeng et
al (2004) e Ji e Hu (2002). Kapur et al (2005) utiliza a técnica de motion capture para capturar os
movimentos corporais nos diferentes estados afetivos que podem ser apresentados. Utilizando-se de
teorias socio-pscicológicas, Scherer (2005) explica e determina o potencial emocional da voz
durante a fala e o canto. O agente pedagógico PAT (JAQUES & VICARI, 2005) deduz as emoções
do aluno observando seu comportamento, ou seja, nas interações do aluno na interface do sistema,
como no tempo das atividades do sistema, pedidos de ajuda, sucesso ou falha na execução de uma
tarefa, etc.
Por fim, a dedução híbrida é uma combinação das outras duas abordagens, cujo resultado é
uma eficiência maior e mais precisa no reconhecimento dos aspectos afetivos. Como exemplo de
uso, pode-se citar Conati & Maclaren (2004), que recorrem a métodos probabilísticos para
combinar métodos de diagnóstico com traços de personalidade através de sensores biométricos.
Também pode se incluir Liao et al (2006), que produzem um sistema integrado para reconhecer, em
tempo real, os estados afetivos fadiga e estresse, combinando interferência probabilística obtida
pelas evidencias geradas em diversos modos de captura de sinais afetivos, sensores para identificar
no tempo as medidas dos sinais afetivos do usuário (medidas fisiológicas, comportamento,
performance e aparência física), e determinação da necessidade de assistência ao usuário em estado
de estresse ou fadiga.
2.1.1
Trabalhos Correlatos
Nesta seção serão apresentados alguns trabalhos que fazem uso da tecnologia de
Computação Afetiva. Serão citados neste projeto o AnimA, PAT e o Kurrupako. Existem vários
outros trabalhos que utilizam os conhecimentos de Computação Afetiva, porém, estes projetos
apresentados a seguir possuem semelhança com o presente projeto.
10
2.1.1.1
AnimA
O AnimA é um protótipo que tem por objetivo dar apoio a validação do reconhecimento e
de alguns estados de ânimo envolvidos nas interações entre os alunos durante o processo estudantil.
Este experimento procura validar os parâmetros necessários no desenvolvimento da ferramenta
ROODAfeto, que vai indicar aos formadores e professores dos cursos a motivação que foi
reconhecida do aluno durante a interação do mesmo no ambiente ROODA - Rede Cooperativa de
Aprendizagem (LONGHI, BERCHT & BEHAR, 2007). Esta versão do AnimA leva em
consideração três categorias afetivas, que se baseiam nas definições de Scherer (2005): estar
animado, estar desanimado e estar indiferente. Estar animado significa demonstrar comportamento
alegre, motivado, bem disposto, interessado, empenhado em enfrentar os desafios da aprendizagem,
colaborando e cooperando com os colegas. Estar desanimado implica em demonstrar
descontentamento, comportamento triste, sem disposição, desinteresse e sem motivação, ou ainda
sentir-se influenciado pelos colegas, pois acredita que a vontade deles prevalece. Por fim, estar
indiferente, que demonstra apatia, negligência, descaso, displicência e pouca motivação pelos
conteúdos de aprendizagem.
Os estados de ânimo no protótipo do AnimA são reconhecidos em um processo que
envolvem quatro etapas, que são apresentadas na Figura 1. São elas:
Aquisição e Identificação: define que meios e que métodos serão utilizados para
reconhecer as diferentes características referentes aos estados afetivos em análise. Para
tanto, pode-se utilizar indicadores aparentes (expressão facial, entonação de voz, gestos
corporais, postura, etc.), semi-aparentes (expressão textual), não-aparentes (respiração,
batimentos cardíacos, pressão sanguínea, temperatura corporal, etc.) e de avaliação
(inventários, questionários, etc.). Estes indicadores ainda são levados a um sistema de
reconhecimento de padrões (de fala, de escrita, de faces, de sinais, de dados, etc),
submetidos a modelos estatísticos e a processamento de imagens e de dados;
Interpretação: analisa, automaticamente ou não, as informações extraídas na etapa
anterior;
Seleção: filtra os dados que possuem maior importância para o motor de dedução dos
estados de ânimo do aluno; e
11
Inferência: é feita a inferência do ânimo do aluno e chega-se a conclusão do real estado
afetivo de ânimo do aluno.
Figura 1. Esquema geral do reconhecimento dos estados de ânimo
Fonte: Longhi, Bercht e Behar (2007).
2.1.1.2
PAT
PAT é agente pedagógico animado cujo objetivo é fornecer suporte emocional ao aluno, a
partir da estimulação de sua motivação e encorajamento. Para se comunicar com o aluno, utiliza
animações e falas. Ainda, é capaz de inferir as seguintes emoções do aluno a partir da observação
de seu comportamento: alegria, tristeza, satisfação, frustração, raiva, gratidão e vergonha (JAQUES
& VICARI, 2005). A agente PAT, com as suas caracterizações, é ilustrada na Figura 2.
12
Figura 2. Agente PAT e suas caracterizações.
Fonte: Jaques e Vicari (2005).
2.1.1.3
Kurrupako
O Kurrupako é um agente de interface sócio afetivo desenvolvido para interagir com alunos
dentro de um ambiente AVEA. O agente monitora a interação com o usuário e utiliza as
informações coletadas para fazer recomendações personalizadas de conteúdo. Além disso, o agente
é capaz de identificar outros estudantes conectados no sistema que podem servir como tutores em
determinados tópicos, e sugere a interação entre estes e alunos com dificuldades. Através destas
recomendações, o agente motiva a formação de grupos e promove a aprendizagem colaborativa. O
agente foi desenvolvido utilizando o software MS Agent (Reategui et al, 2006). A Figura 3 ilustra o
agente Kurrupako inserido no ambiente virtual.
13
Figura 3. Interface do Kurrupako
Fonte: Reategui et al (2006).
2.1.2
Considerações sobre Computação Afetiva
A Computação Afetiva pode proporcionar um aumento significativo na qualidade e na
eficiência estudantil, pois ela se preocupa exatamente com um fator de grande influência que é a
questão motivacional dos integrantes do processo educacional. Este fator normalmente não é
considerado pelos analistas e desenvolvedores de sistemas AVEA.
Dentro os trabalhos apresentados, pode se destacar alguns pontos fortes de cada um. No caso
do AnimA, o software possui uma camada de detecção de emoções que está localizada em algumas
partes do sistema, fazendo com que a coleta dos dados afetivos seja feita corretamente. Já o PAT
tem o objetivo de influenciar diretamente na motivação e no encorajamento, fornecendo uma
palavra de apoio ao aluno sempre que ele julga necessário. Por fim o Kurrupako, que possui a
capacidade de identificar possíveis tutores dentro do grupo de alunos, fazendo com que eles
auxiliem os outros alunos com dificuldades.
2.2 AMBIENTES VIRTUAIS DE ENSINO-APRENDIZAGEM
Com o uso contínuo das tecnologias mais modernas na educação como ferramentas de
auxílio, principalmente de computadores e da informática em geral, o surgimento de novas
ferramentas e métodos de ensino tem sido constante.
14
Um exemplo destas novas ferramentas e métodos é a Educação a Distância, que é um
processo de ensino e aprendizagem onde professores e alunos não estão fisicamente juntos no meio
ambiente, porém podem estar interligados por outros, como a internet. Esta interligação, assim
como a mediação dos conteúdos e os processos do ensino, e mediada por várias tecnologias, como
cartas, televisão, computadores e suas mídias (MORAN, 1994).
Dentre os vários métodos de ensino recém criados tem destaque os Ambientes Virtuais e
Ensino – Aprendizagem (AVEA). Com a ascensão da Internet e a sua popularização rápida na
sociedade, estes têm sido grande ferramenta de auxílio ao ensino não, semi e presencial.
As funcionalidades dos AVEA têm crescido a cada dia, mas em geral, eles disponibilizam
ferramentas gerenciais de conteúdo e de participantes, ferramentas de comunicação, verificação de
aprendizagem, registro de interações dos usuários, blogs, wikis, conferências, dentre outros.
Para alcançar este objetivo, alguns AVEA estão se tornando “inteligentes”, ou seja, tendo
características que podem ser ditas como inteligentes, buscando flexibilizar o ensino. Neste caso,
conforme o estilo de aprendizagem do aluno o ambiente é capaz de se adaptar e exibir conteúdos e
atividades com a tentativa de alcançar uma aprendizagem mais efetiva (VICARI e GIRAFFA,
2003). Estes sistemas, por conterem esta característica com relação aos outros sistemas normais, são
chamados de Sistemas Tutores Inteligentes – STI.
2.2.1
Tipos de Ambientes Virtuais de Ensino - Aprendizagem
Os AVEA se dividem basicamente em sistemas que possuem um propósito geral, ou seja,
que não trabalham com uma área de conhecimento específica, e sistemas que tem como objetivo o
ensino a uma especialidade.
2.2.1.1
Genéricos
Alguns AVEA não têm uma área de conhecimento específica e podem ser utilizados para
diversas disciplinas. Como não possuem esta orientação disciplinar, podem ser facilmente utilizados
para estudos de diversas áreas. Vários ambientes possuem esta característica e, neste trabalho, serão
citados quatro destes, que são: MOODLE, Teleduc, Claroline e Sakai.
15
MOODLE
O MOODLE é um ambiente virtual de apoio ao ensino e aprendizagem idealizado pelo
educador e cientista computacional Martin Dougiamas, em 2001. Ele tem como metodologia
pedagógica o sócio-construtivismo. Distribuído livremente sob a licença GNU-GPL, ele pode ser
instalado em vários sistemas operacionais e é desenvolvido na linguagem de programação PHP.
Vem sendo amplamente utilizado por universidades, comunidades virtuais e por empresas virtuais,
devido a sua fácil adaptação a qualquer tipo de necessidade (MOODLE, 2008). A Figura 4 ilustra a
interface do MOODLE.
Figura 4. Interface do MOODLE
Fonte: MOODLE (2008).
O MOODLE contém uma série de ferramentas para todos os usuários do ambiente. Dentre
as ferramentas que serão aqui descritas, elas podem ser divididas entre ferramentas de
disponibilização de recursos didáticos e ferramentas de disponibilização de atividades.
16
Disponibilização de recursos didáticos:
o Páginas simples não formatadas: é usado para publicar textos simples, sem
necessidade de formatação. Smiles1 e endereços web são automaticamente
formatados pelo sistema;
o Páginas web: pode conter qualquer conteúdo HTML. Javascript e outros
recursos normalmente bloqueados na web podem ser normalmente utilizados;
o Links internos e externos: podem ser adicionados links internos ou externos
ao MOODLE, abrindo dentro do pagina do sistema ou em uma nova janela
do navegador;
o Link para diretório próprio: é possível criar um link para abrir uma
determinada pasta de arquivos no MOODLE, onde os alunos poderão
visualizar os materiais de seu interesse;
o Pacote IMS: é um pacote completo de aprendizado, que pode ser instalado
em qualquer sistema com essa tecnologia. Ele contém conteúdos e tarefas
predefinidos para distribuição; e
o Rótulos: são um tipo especial de material, que pode ser adicionado como
HTML em qualquer lugar da pagina inicial do curso. Podem ser desde
figuras, tabelas, animações e até gráficos.
Disponibilização de atividades:
o Exercícios em Hot Potatoes: permite disponibilizar exercícios do tipo
palavra-cruzada, frases truncadas, múltipla-escolha, entre outros;
o Base de dados: é um tipo de questionários que permitem que os alunos
insiram vários dados, como fotos, artigos, documentos, dentre outros, ou
respondam a um simples questionário que ficará armazenado dentro do
sistema;
1
Expressão facial representada por um desenho ou figura.
17
o Chat: ferramenta de comunicação comum, que pode ser usada de forma
tradicional, ou seja, com os participantes freqüentando normalmente, ou com
horário marcado. É possível, dentro dele, inserir questões que podem ser
respondidas dentro do chat, como uma votação;
o Diário: é uma reflexão sobre determinado assunto orientado pelo professor.
Os alunos refletem sobre determinado assunto e o professor anota e faz o
feedback com base nestas respostas;
o Fórum: ferramenta de comunicação assíncrona comum;
o Glossário: podem ser criados glossários colaborativos, com cada participante
inserindo um termo e avaliando termos;
o Questionário: funciona como banco de questões. Podem ser criadas questões
de vários tipos, como múltipla-escolha, numérica, verdadeiro ou valso,
resposta única, etc. Depois, pode-se categorizá-las e criar exercícios
dinâmicos a partir delas, sendo que são feitos um diferente para cada aluno;
o Tarefas: podem ser criadas para o alunos executar, como textos online, envio
de um ou de vários arquivos, offline – tarefas que são realizadas fora do
sistema, porém possui todo o tratamento e feedback; e
o Wiki: pode ser utilizada com termos chave, para que o aluno possa
desenvolver, de forma colaborativa, com todo o grupo editando,
individualmente para cada aluno ou para compartilhar resultados de
pesquisas.
Ainda há um conjunto de funcionalidades disponibilizadas através dos boxes, entretanto
tratam-se de módulos configuráveis que permitem a disponibilização de implementações livres, que
não precisam ser necessariamente novos recursos ou atividades.
Teleduc
Outro sistema largamente utilizado pelo meio educacional é o Teleduc. Ele vem sendo
desenvolvido pelo Núcleo de Informática Aplicada à Educação (Nied) e pelo Instituto de
Computação (IC) da Universidade Estadual de Campinas (UNICAMP). É distribuído na
18
modalidade licença GNU, com código aberto, pode ser instalado em plataformas UNIX, sendo que
é acessado via browser no cliente. Este software vem sendo utilizado pela UNIVALI como
ferramenta de apoio aos cursos lecionados pela universidade. Possui diversos módulos, como o
webfórum, agenda, perfis de usuário, mural, bate-papo, entre outros, e que podem ser facilmente
acionados ou desligados, conforme a necessidade do administrador da disciplina. Baseia-se na
abordagem educacional construtivista e de aprendizagem colaborativa (TELEDUC, 2008). A Figura
5 ilustra a interface de um curso no Teleduc.
Figura 5. Interface do Teleduc
Fonte: Teleduc (2008).
Claroline
O Claroline é outro AVEA que possui diversas ferramentas para o auxílio ao ensino a
distância e comunidades virtuais. Mantido pela UCL (Universidade Católica de Louvain, Bélgica),
ele é desenvolvido na linguagem de programação PHP, utiliza banco de dados MySQL. Pode ser
instalado em sistemas GNU/Linux, Mac OS e Microsoft Windows. Possui seu código aberto e com
licença de uso do tipo GPL. É utilizado em universidades por todo mundo, principalmente pelo fato
de ser distribuído em 35 idiomas diferentes (CLAROLINE, 2008). A Figura 6 ilustra a interface do
Claroline.
19
Figura 6. Interface do Claroline
Fonte: Claroline (2008).
Sakai
Como último exemplo, o Sakai é um software mantido por uma comunidade de empresas,
universidades e apoios individuais. Ele é open-source, sob a licença do tipo Educational
Community License. Seu desenvolvimento foi iniciado em fevereiro de 2004 e, ao longo do tempo,
tem incorporando diversas ferramentas de outros softwares e que poderiam se unir ao produto final,
formando um software melhor. Dentre as diversas ferramentas disponíveis, estão chats, emails,
wikis, noticias/RSS e agendamento de tarefas (SAKAI, 2008). A interface do Sakai é ilustrada na
Figura 7.
20
Figura 7. Interface do Sakai
Fonte: Sakai (2008).
2.2.1.2
Especialistas
Outros sistemas AVEA foram desenvolvidos exclusivamente para determinada disciplina ou
escopo de conhecimento, tendo finalidades e opções de uso mais restritas dos sistemas genéricos.
Estes sistemas tendem a ser utilizados em locais restritos, ou seja, seu uso se limita a entidade ou
universidade onde foi desenvolvido.Neste trabalho, serão citados como exemplo de sistemas AVEA
especialistas os softwares ALICE – Algorithm Learning Internet-based Computer Environment e o
ROODA.
ALICE
O ALICE é um AVEA com o intuito de auxiliar o aprendizado dos alunos da disciplina de
Algoritmos e Programação através da Internet (SILVA & RAABE, 2004). Tem como um dos seus
princípios: auxiliar e complementar os estudos desenvolvidos presencialmente, proporcionando um
21
maior tempo de estudo, fixar exercícios, dentre outros. Seu desenvolvimento foi iniciado em 2003,
possui diversas ferramentas como correio, material de apoio, exercícios, quadro de aviso, etc.
Algumas de suas funcionalidades merecem maior destaque, como a detecção de plágio nos
exercícios propostos, perfil completo do aluno, coletando informações repassadas pelo aluno, pelo
professor e identificadas pelo próprio sistema. A Figura 8 ilustra a interface do ALICE.
Figura 8. Interface do ambiente ALICE
Fonte: Silva e Raabe (2004).
ROODA
ROODA é um software desenvolvido pelo Núcleo de Tecnologia Digital Aplicada a
Educação (NUTED), da Universidade Federal do Rio Grande do Sul (UFRGS). Seu
desenvolvimento foi iniciado no ano 2000, tenho como seus principais objetivos a interação entre os
usuários, focando princípios educacionais e interdisciplinares através de uma interface centrada no
usuário. Baseado na idéia de software livre, o ROODA traz ferramentas como comunicação
síncrona e assíncrona e três diferentes interfaces a escolha do usuário. No site do desenvolvedor, ele
comenta da existência de ferramentas gerais e específicas, porém não as detalha e, sendo assim, não
é possível reproduzir estas neste estudo (ROODA, 2008). Um exemplo de interface do ROODA
pode ser visto na Figura 9.
22
Figura 9. Interface do ROODA
Fonte: Rooda (2008).
2.2.2
A Afetividade em Ambientes Virtuais de Aprendizagem
Em grande parte dos ambientes inteligentes de aprendizagem o reconhecimento das emoções
é feito através do comportamento observável, ou seja, através do uso do sistema pelo usuário, de
suas interações com a interface do ambiente. Como ferramenta de análise, aplica-se modelos
23
computacionais baseados na Teoria de Appraisal2, mais especificamente no modelo OCC
(ORTONY; CLORE; COLLINS, 1988).
Utilizando-se desta técnica de reconhecimento de emoções ou com capacidades afetivas,
várias estruturas básicas de sistemas ou frameworks têm sido desenvolvidas na última década e,
alguns deles, serão apresentados a seguir. O framework EM, elaborado por ReillY (1996), é
composto por um sistema gerador de emoções, dos quais abrange vinte e quatro tipos, em que os
parâmetros utilizados determinam quais emoções são positivas e quais serão negativas. Parâmetros
como percepções do ambiente, objetivos, memória sensorial, relacionamentos, modelos dos outros
agentes, postura corporal, padrões, atitudes, podem gerar emoções positivas como alegria,
esperança, felicidade, prazer, amor, satisfação, alívio, orgulho, admiração, gratidão e
agradecimento, ou emoções negativas como aflição, receio, medo, pena, ressentimento,
desapontamento, vergonha, reprovação, remorso, irritação, ódio, frustração e assustado.
O modelo Cathexis, proposto por Velásquez (1997), é baseado em redes comportamentais,
que buscam representar emoções, temperamentos e estados de humor. O Cathexis diferencia
emoções básicas (alegria, surpresa, tristeza, medo, nojo e fúria) de emoções mistas ou secundárias
determinadas quando ocorre mais de uma emoção ao mesmo tempo, sem haver predomínio ou
prevalência de uma delas. Um exemplo claro disto é o arrependimento, que pode ser uma variedade
de tristeza, mesclado com medo e, ás vezes, fúria.
Outro modelo sócio-psicológico é proposto por Rousseau e Hayes-Roth (1998). Ele define
traços de personalidade, estados de humor e atitudes. Os padrões de comportamento do indivíduo
no ambiente computacional definem seus traços de personalidade. Este modelo suporta estados de
humor e emoções, que possuem valoração positiva ou negativa de acordo com o prazer ou desprazer
do usuário durante o uso do sistema.
O modelo FLAME - Fuzzy Logic Adaptive Model of Emotions, apresentado por El-Nasr,
Yen e Ioerger (2000), é divido em três módulos principais: emocional, aprendizado e tomada de
decisão. O módulo emocional e aprendizado fazem a análise das percepções do agente sobre os
eventos externos. Este modelo combina as teorias de Roseman (ROSEMAN; JOSE; SPINDEL,
1990) e OCC (ORTONY; CLORE; COLLINS, 1988).
2
Avaliação dos eventos que antecedem as emoções (ROSEMAN, 1990).
24
Construído por Kshirsagar e Magnenat-Thalmann (2002), o PEM (P-personalidade, Eemocional, M-estados de humor) foi desenvolvido para agentes conversacionais de três dimensões.
Ele inclui os modelos Five Factor Model (FFM), as emoções, o OCC e os estados de humor na
valoração para poder determinar a personalidade do usuário.
O EMA é um framework idealizado por Gratch e Marselha (2005) que foi baseado na teoria
OCC (ORTONY; CLORE; COLLINS, 1988). Ele tem como objetivo determinar instâncias
emocionais como: medo, alegria, esperança, aflição, culpa e irritação.
2.2.3
Considerações sobre os Ambientes Virtuais de Ensino Aprendizagem
Os AVEA apresentam uma abordagem diferente no ensino não, semi e presencial e vem
trazendo mudanças no método de trabalho de muitas instituições. Porém, estes ambientes vinham
deixando de lado as questões afetivas, que normalmente fazem parte do ensino presencial, podendo
vir a causar diversos problemas. Os projetos que trabalhavam esta área focavam o aluno – o que é
muito importante, porém pouco se trabalhou com a afetividade do professor. Isso motiva ainda mais
este projeto, pois mostra uma das necessidades deste tipo de ambiente.
Neste projeto será utilizado o AVEA genérico MOODLE, pois com seu amplo uso em
diversas instituições e seu grande número de desenvolvedores e colaboradores provém uma
documentação muito completa e uma estrutura modular. Esta estrutura modular facilitará uma
possível distribuição do módulo a ser desenvolvido neste trabalho, que também poderá ser auxiliada
pela comunidade de desenvolvimento ativa.
2.3 SISTEMAS TUTORES INTELIGENTES
Os Sistemas Tutores Inteligentes (STI) são sistemas computacionais educacionais que fazem
uso de técnicas de Inteligência Artificial para melhorar seu objetivo (VICARI e GIRAFFA, 2003).
Diferentemente de seus antecessores, os sistemas CAI (Computer Aided Instruction), os sistemas
STI possuem uma mobilidade maior com relação às necessidades de aprendizagem do aluno, sendo
esta sua principal característica.
O surgimento dos STI veio de uma necessidade que os usuários dos sistemas CAI tinham,
que era de que cada tarefa era distribuída para todos os usuários, independentemente das ações que
o mesmo exercia, tornando esta interação igual para todos. Desta forma, a Inteligência Artificial
25
começou a ser incorporada nos sistemas CAI, alterando também seu nome, passando a chamar-se
ICAI (Intelligent Computer Aided Instruction). Com o passar do tempo, esses sistemas foram
chamados de Sistemas Tutores Inteligentes (STI ou ITS) ou Ambientes Inteligentes de
Aprendizagem (ILE - Intelligent Learning Environments).
A arquitetura tradicional de um STI, ilustrada na Figura 10, contempla três entidades
fundamentais: o modelo do domínio, o modelo do aluno e o modelo do tutor; que são exibidas ao
aluno através de uma interface.
Figura 10. Arquitetura tradicional de um STI
Fonte: Adaptado de Vicari e Giraffa (2003).
O modelo do domínio armazena todo o material que irá compreender os estudos do curso –
ou conteúdo instrucional, trabalhado, modelado e desenvolvido dentro das necessidades de
aprendizagem. Em ambientes web, por exemplo, tal material compreende a documentos hipertextos,
animações e imagens. Tal conteúdo irá possibilitar que o modelo do tutor faça diversas escolhas
com relação ao acompanhamento do aluno durante o processo de aprendizagem.
No modelo do aluno estão armazenadas as informações que se referem ao aluno, que são
normalmente classificadas em estatísticas (nome, idade, conhecimento inicial) ou dinâmicas
(desempenho, estado cognitivo, etc.).
As estratégias pedagógicas são definidas no modelo do tutor. Estas ações a serem tomadas
pelo sistema serão dadas a partir de determinados pontos dos outros dois domínios e que refletem,
normalmente, a teoria pedagógica usada no processo de aprendizagem pelo tutor no sistema tutor
inteligente.
O aluno irá receber o conteúdo instrucional adaptado a suas necessidades por meio da
interface do sistema e o conteúdo será gerado a partir da interação das informações entre os
26
modelos. Como a interação do usuário é feita pela interface, esta precisa possuir características que
possam auxiliar no melhor entendimento do conteúdo pelo aluno. Isto irá depender muito da
tecnologia utilizada para o desenvolvimento do software, sendo, em alguns casos, necessário o uso
de agentes animados para tornar esta interação usuários/interface mais amigável.
Com base em planos de estudos propostos pelo professor ou em resultados de testes dos
alunos, os sistemas tutores inteligentes podem direcionar a aprendizagem dos alunos, assim como
serem capazes de se adaptar aos diferentes níveis e estilos de aprendizagem dos estudantes,
apresentando as mais adequadas informações para cada um. (FRIGO; POZZEBON;
BITTENCOURT, 2004)
De acordo com Akhras e Self (2002), os sistemas STI combinam dinamicamente as
informações dos três componentes para tomar decisões adequadas em situações específicas durante
o processo de aprendizagem. Complementando, Geyer et al (2001) defendem que os STI podem ser
bastante flexíveis, tornando o ensino diferente para cada aluno, adaptando-se dinamicamente ao
perfil e ao ritmo de cada um deles.
Diversas arquiteturas diferentes de sistemas STI tem surgido ao longo do tempo, com
algumas se posicionando mais no lado conceitual e outras abordando mais o lado da implementação
do sistema. Porém, normalmente, a necessidade de se armazenar informações sobre o aluno, o
domínio e o conteúdo instrucional tem prevalecido e aparece diversas vezes nestas novas
arquiteturas.
2.3.1
Assistentes Inteligentes de Aprendizagem
Sistemas tutores inteligentes têm como uma de suas características básicas o foco no aluno,
onde, nos sistemas que seguem esta linha, o objetivo é auxiliar o aprendizado do aluno, deixando
com que o professor apenas gerencie o conteúdo instrucional do sistema.
Porém, recentemente, tem surgido uma necessidade de auxiliar professores e instrutores a
lecionar melhor durante o processo educacional. De acordo com Yacef (2002), auxiliar os
instrutores e professores é uma atividade tão importante quanto ensinar os alunos. Kinshuk et al
(2001) defendem que tem havido um crescente interesse em integrar o professor como usuário final
de um STI.
27
Tendo em vista esta necessidade de auxílio aos professores e instrutores, foi criada uma
nova área dentro dos STI: os Assistentes Inteligentes de Ensino (ITAs – Intelligent Teaching
Assistant sytems). Os ITAs se orientam a ambos os lados, ou seja, a professores e alunos,
propiciando o mesmo auxilio aos alunos apresentado nos STI tradicionais e incorporando a
assistência ao professor em suas tarefas (LESTA; YACEF, 2002, p. 421).
Como objetivo principal de assistir os professores, os ITAs disponibilizam informações
através de uma ambiente que permita identificar e auxiliar os alunos individualmente, além de
escolher materiais e atividades que possam auxiliar na superação das dificuldades. Com isso, o
aluno também é beneficiado, tendo em vista que ele terá melhorias em seu atendimento, na
automatização de tarefas e na facilitação de consultas referentes ao desempenho e ações dos alunos,
propiciando um melhor embasamento na elaboração de exercícios e materiais personalizados
(YACEF, 2002).
Os ITAs possuem uma arquitetura que fazem parte, além dos modelos presentes no STI, o
módulo e a interface do professor. Tal módulo é formado por informações sobre o processo de
monitoramento do aluno no STI e análise do desempenho obtido. A interface é a parte que interage
diretamente com o professor, traduzindo os dados do sistema em informações, exemplificado na
Figura 11.
Interface do professor
ITA
Estratégia
Análise/
Síntese
pedagógica
Modelo do
aluno
Modelo do
domínio
Monitoramento
Módulo do professor
STI
Interface do aluno
Figura 11. Arquitetura de um ITA
Fonte: Adaptado de Yacef (2002).
Nos ITAs, a estratégia pedagógica é elaborada com base na interação do professor e o
sistema STI, ou seja, ambos participam da elaboração da estratégia. O professor, com base nos
dados apresentados pelas ferramentas de seu módulo, poderá tomar as devidas decisões que irão
influenciar diretamente na aprendizagem, permanecendo o controle do professor sobre o processo
28
de ensino-aprendizagem (YACEF, 2002). Fica clara e evidente a preocupação em auxiliar o
professor na suas tarefas rotineiras no processo estudantil, fazendo-o se adaptar ao perfil de seus
aprendizes.
De acordo com Lesta e Yacef (2002), um estudo comparativo realizado sobre duas turmas
no período de 1 ano, onde uma delas recebeu suporte de um sistema baseado em ITA para o apoio
ao desenvolvimento da lógica e outra não, mostra um significante aumento das notas dos alunos na
turma onde houve o uso do sistema ITA: 22% nas notas de trabalhos e 27% nas notas de provas.
2.3.2
Considerações sobre os Aspectos Inteligentes em AVEA
Os aspectos inteligentes em AVEA são de fundamental importância para a melhoria do
desempenho educacional, pois as técnicas de detecção, simulação e geração de emoções, aliados aos
modelos emocionais e estruturas básicas de sistemas afetivos, provém uma base sólida de
desenvolvimento para o módulo proposto neste trabalho.
Tal estudo vem por motivar e incentivar este projeto, fortalecendo ainda mais a necessidade
em se focar os sistemas para o auxílio ao professor e as suas tarefas diárias realizadas durante o
processo de ensino e aprendizagem.
2.4 OS PAPÉIS NA EAD
Para um curso veiculado a distância, utilizando as novas tecnologias, é preciso uma infraestrutura organizacional complexa, tanto na parte técnica, como na pedagógica e na administrativa.
O curso a distância exigirá a formação de uma equipe que irá trabalhar para desenvolver o curso,
assim como, definir como será o ambiente online onde o mesmo será aplicado (ALVES e NOVA,
2003).
Para iniciar ou manter um curso EaD, um grande número de pessoas e atividades estão
envolvidas. Nesta seção, será apresentada uma visão superficial de um dos modelos possíveis de
quais papéis são necessários para lecionar um curso a distância, dando ênfase ao papel do tutor
EaD, que é o real foco deste trabalho.
Inicialmente, temos o administrador do sistema. Ele possui ferramentas como controle e
configuração que são especificamente da parte lógica do sistema – software. Este é encarregado de
29
criar os cursos, efetuar as atualizações de software, desenvolver novas funcionalidades, dentre
outros.
O tutor aparece como o orientador, motivador e auxiliador do aluno, tendo em vista que o
mesmo é o centro do processo educacional e em sua maioria desenvolve suas atividades do seu
modo, determinando seus próprios horários e métodos.
A coordenação acadêmica auxilia professores e tutores, orientando-os e regularizando.
Determinam como deverá ser a programação acadêmica, os métodos de ensino, conteúdos
abordados e análise das situações que ocorrem durante o processo educacional.
Desenvolvendo todos os conteúdos do curso, o conteudista cria todos os materiais que serão
utilizados pelos alunos, tutores e professores participantes do processo estudantil. Em alguns casos,
questiona-se a existência deste papel, pois ele poderá ser feito pelo professor.
O coordenador do curso tem como tarefa sincronizar o trabalho de toda a equipe, definindo
prioridades, implementando regras e práticas. Também possui a função de eleger ou substituir
membros da equipe. O auxiliar administrativo gerencia e organiza toda a parte administrativa do
curso, fazendo cobranças, regularizando a situação dos alunos, efetuando pagamentos, entre outros.
Com o saber do conteúdo lecionado no curso, o professor tem como tarefa tirar as dúvidas
dos alunos, corrigir trabalhos, avaliações e exercícios. Em possíveis aulas presenciais, o professor
precisa comparecer e efetuar o papel normal de um professor de ensino convencional.
Finalmente, o aluno, que diferentemente do ensino presencial, não possui o professor
fazendo contato pessoalmente, tendo o tutor como auxiliar e o professor apenas no caso de aulas
presenciais. Com isso, ele deve criar uma nova maneira de aprender, especificamente para seu perfil
de estudante.
A seguir, será detalhado um pouco mais o tutor, que é o foco principal deste trabalho,
enfatizando conhecimentos, deveres e diferenças a educação presencial. Também será apresentado
uma pesquisa sobre trabalhos relacionados a tutoria.
30
2.4.1
Tutor EaD
O método de tutoria teve sua origem por volta do século XV, onde universidades iniciaram
seu uso com o intuito de auxiliar os estudantes durante o ensino da religião, difundindo a fé e
moralidade. Já no século XX, novamente na universidade, o tutor passa a fazer um papel diferente,
agora orientando e acompanhando os trabalhos acadêmicos e, baseados neste sentido, os sistemas
de educação à distância vem sendo incorporados (SÁ, 1998).
O papel do Tutor enquanto categoria acadêmica baseada no compromisso com a formação
de alunos que pensem e sejam capazes de discutir e elaborar conhecimento. Um tutor
educador, que tenha percorrido um caminho que o leve a pensar livre, descarnado de
preceitos tecnológicos que obtusam as mentes criativas. Um tutor que compreenda o papel
da universidade, num contexto a distância, como lócus do debate, da criação, que se
permita desconstruir e reconstruir significados na sua ação formativa e na construção do
saber científico. Um tutor/educador capaz de se indignar com a vulgaridade de propostas
alienantes; capaz de elaborar um contra-discurso ideológico; que, sobretudo, seja aberto a
mudanças, aos novos paradigmas tecnológicos. Enfim, um profissional com condições de
aprender a aprender com competência para fazer da educação à distância, um espaço de
virtualidade criativa, poética, formativa e comprometidos com a formação de alunos
críticos e sujeitos pensantes (LEAL, 2005).
No ensino a distância, comumente o professor é visto como um tutor que dirigi, orienta e
apóia a aprendizagem do aluno, porém não ensina, ou seja, pensou-se que eram os materiais que
ensinavam, e não o professor. Isso fez com que o professor se tornasse apenas um mediador do
processo educacional. O papel principal do ensino ficava ao encargo dos materiais do sistema, dos
dados seqüenciados e pautados, que finalizavam com uma avaliação semelhante em sua concepção
do ensino (LITWIN, 2001).
Isso fez com que os conhecimentos do professor que utiliza um sistema EaD fossem
questionados. No entanto, os aspectos referentes aos conhecimentos do professor em sua matéria
lecionada são iguais aos que devem ser utilizados para um sistema de ensino presencial
convencional, ou seja, o tutor ainda precisa saber o que está lecionando. Conhecer os princípios de
sua organização conceitual e os princípios das novas idéias produtoras de conhecimento na área
ainda são necessários. Sua formação teórica sobre didática e pedagogia deverá ser atualizada com a
formação prática dos espaços tutoriais.
De acordo com Shulman (apud LITWIN, 2001), o saber básico de um professor deve ser de,
no mínimo, seis fatores:
Conhecimento do conteúdo;
31
Conhecimento pedagógico, especialmente com relação às estratégias e à organização da
classe;
Conhecimento curricular;
Conhecimento pedagógico acerca do conteúdo;
Conhecimento sobre os contextos educacionais; e
Conhecimento das finalidades, dos propósitos e dos valores educativos e de suas raízes
históricas e filosóficas.
Os cursos de ensino à distância são completamente diferentes aos cursos normais de ensino
presencial no que diz respeito à organização e desenvolvimento. Como as tecnologias estão
presentes no ensino a distância, é exigida uma postura nova, tanto para professores quanto para
alunos (ALVES e NOVA, 2003).
O docente e o tutor possuem diferenças institucionais, o que leva a modificações
importantes no campo pedagógico. As intervenções do tutor na educação à distância, fixadas em um
quadro institucional diferente, possuem diferenças em função de três dimensões de análise
(LITWIN, 2001), apresentadas em seguida.
Tempo – como seu tempo é escasso, o tutor deverá saber aproveitar seu tempo. Como no
ensino a distância o tutor não sabe se o aluno assistirá à próxima tutoria ou se voltará a
entrar em contato para consultá-lo, seu compromisso aumenta, assim como o risco da
sua tarefa.
Oportunidade – diferentemente de um ensino presencial, o tutor não tem certeza se um
conceito mal compreendido ou uma dúvida não esclarecida vai ser levantada
posteriormente. Logo o tutor deverá oferecer a melhor maneira de explicação logo na
primeira oportunidade, pois pode não haver outra.
Risco – aparece como conseqüência de privilegiar a dimensão tempo e de não aproveitar
as oportunidades. Se o tutor permitir que os alunos sigam com uma compreensão parcial,
isso pode se converter em uma construção errada sem que o tutor tenha a oportunidade
de alertá-lo.
Estes conhecimentos dos docentes retratam a real necessidade dos saberes requeridos dos
tutores EaD. Em tais ambientes, os contextos educacionais se alteram, o que exige do tutor uma
32
postura diferente, sendo flexível a dinâmica para cada situação, levando sempre em conta as três
dimensões já descritas – tempo, oportunidade e risco.
Na Tabela 1, é apresentada uma tabela comparativa entre as funções do professor presencial
e as funções do tutor da Educação a Distância.
Tabela 1. Relação entre as funções do professor e do tutor
Educação Presencial
Conduzida pelo professor
Predomínio de exposições o tempo inteiro
Processo centrado no professor
Processo como fonte central de informação
Convivência, em um mesmo ambiente físico, de
professores e alunos, o tempo inteiro
Ritmo de processo ditado pelo professor
Contato face a face entre professor e aluno
Elaboração, controle e correção das avaliações
pelo professor
Atendimento, pelo professor, nos rígidos horários
de orientação e sala de aula
Educação a Distância
Acompanhada pelo tutor
Atendimento ao aluno, em consultas
individualizadas ou em grupo, em situações em
que o tutor mais ouve do que fala
Processo centrado no aluno
Diversificadas fontes de informações (material
impresso e multimeios)
Interatividade entre o aluno e tutor, sob outras
formas, não descartada a ocasião para os
momentos presenciais
Ritmo determinado pelo aluno dentro de seus
próprios parâmetros
Múltiplas formas de contato, incluída a ocasional
face a face
Avaliação de acordo com parâmetros definidos,
em comum acordo, pelo tutor e pelo aluno
Atendimento pelo tutor, com flexíveis horários,
lugares distintos e meios diversos
Fonte: Adaptado de Machado e Machado (2004).
Esse panorama torna o professor uma figura mais humana, com uma obrigação de entender e
se socializar melhor com os alunos do que com o saber em si. Isto é cada vez mais potencializado
com o uso de materiais didáticos online, fazendo com que o professor se torne auxiliar na
construção do conhecimento e não o de aplicar o conteúdo.
De acordo com Hanna (apud ALVES e NOVA, 2003), alguns tópicos são muito importantes
para um professor que deseja iniciar algum curso a distancia. Ele sugere que no início do curso o
professor ele deve:
conhecer sua fundamentação pedagógica;
determinar sua filosofia de ensino e aprendizagem;
33
ser parte de uma equipe de trabalho com diversas especialidades;
desenvolver habilidades para o ensino online;
conhecer seus aprendizes;
conhecer o ambiente online;
aprender sobre os recursos tecnológicos;
criar múltiplos espaços de trabalho, de interação e socialização;
estabelecer o tamanho de classe desejável;
criar relacionamentos pessoais online;
desenvolver comunidades de aprendizagem;
definir as regras vigentes para as aulas online; e
esclarecer suas expectativas sobre os papéis dos aprendizes.
2.4.2
Trabalhos Relacionados
Esta seção visa apresentar alguns trabalhos relacionados à Tutoria EaD com os tópicos
abordados anteriormente: computação afetiva e ambientes virtuais de ensino-aprendizagem.
Lucas et al (2004) apresentam um agente que realiza o papel de tutor em cursos a distância.
O agente foi incorporado ao ambiente Teleduc e possui um comportamento diferenciado em cada
ação do aluno dentro do ambiente, pois conforme cada ação haverá uma expressão corporal e
podendo ou não ser exibida uma mensagem de texto. Por exemplo, no caso em que o aluno
completar uma tarefa com sucesso, o agente irá congratulá-lo batendo palmas, caso o aluno ficar
muito tempo ocioso na realização de uma tarefa, o agente tentará fazer com que o aluno se
concentre na tarefa, neste caso o agente irá bocejar de forma suave e descontraída, pois desta forma
o aluno não irá se sentir retraído ou pressionado. Nos dois casos citados acima nenhum texto é
exibido na caixa de diálogo.
Ribeiro, Reategui e Boffg (2007) apresentam um trabalho que visa identificar potenciais
alunos-tutores em cursos a distância. A partir de um grupo de alunos, é aplicado um algoritmo de
recomendação de tutores que utiliza atributos e cálculos, e envolve a quantificação de fatores
psicológicos e de personalidade em conjunto com o histórico pedagógico do aluno. O cálculo é feito
34
com a combinação de quatro fatores principais: estado de humor, performance, aceitação e
interações.
2.4.3
Considerações sobre os Tutores EaD
O tutor é um papel que teve sua origem por volta do século XV, porém, vem sofrendo
modificações em suas funções ao longo do tempo. Hoje, tendo em vista o novo paradigma
educacional que a EaD impõe ao se lecionar um curso desta característica, conclui-se que o tutor
EaD passa a desenvolver papel importante neste processo educacional. Ele precisa possuir uma
característica até então não tão importante, que é a capacidade de motivar e incentivar o aluno
durante o curso. Isto vem sendo ainda mais reforçado com o uso de materiais didáticos online. Seus
conhecimentos sobre métodos de ensino, metodologia e do próprio assunto lecionado continuam
sendo importantes, porém vem se adaptando para as novas características do Ensino a Distância.
Neste projeto, busca-se evidenciar estas características, melhorando assim a capacidade
educacional tanto dos sistemas EaD quanto do próprio Ensino a Distância, como pode ser visto no
estudo de Lesta e Yacef (2002).
35
3 PROJETO
A afetividade junta opiniões e interesses (mediadas por escolhas), atitudes (predisposições
para agir), valores, ajustamento a situações sociais e crenças. As respostas afetivas estão
correlacionadas com as respostas cognitivas e psicomotoras. O investimento em estudos relativos a
entender e desvendar as situações dentro do ambiente de aprendizado nos aspectos cognitivos e
psicomotores normalmente é maior, fazendo com que o misterioso vínculo existente do aluno em
seu aprendizado seja deixado de lado (CUNHA; SILVA; BERCHT, 2008).
Para evitar maiores confusões com relação às definições ou más interpretações ao que o
projeto se propõe, definem-se nesse trabalho as idéias que serão consideradas para os termos
professor(a), tutor(a), atributo e perfil afetivos. Será considerado professor(a) todo docente com
qualificação e capacitação suficiente para exercer suas funções - mencionadas no capitulo 2.4.1
(Tutor EaD) deste trabalho, sendo mais específico para as atividades de EaD, cujas capacidades
afetivas virão a ser estudadas e experimentadas, possibilitando avaliar e estudar as afetividades em
AVA. Ainda como definições auxiliares poderão ser utilizadas tutor, formador, facilitador, etc. O
tutor(a) neste projeto será relacionado a aqueles instrumentos, ferramentas ou agentes artificiais e
que auxiliem os alunos e professores em suas interações com o sistema durante o processo
educativo.
Os atributos afetivos serão considerados como toda a peculiaridade afetiva humana
representada passível de conceituação e que pode ser identificada através de emoções e sentimentos
expressados e existentes nas relações educacionais.
Após a escolha dos atributos afetivos, será abordado o desenvolvimento do protótipo,
apresentando as estratégias e as fórmulas de calculo, assim como os testes e as verificações e os
resultados obtidos.
3.1 ATRIBUTOS AFETIVOS SELECIONADOS
Os atributos afetivos selecionados são os mesmos apresentados por Cunha, Silva e Bercht
(2008). Os autores destacam que identificaram estes atributos afetivos por meio de pesquisas
realizadas pelos mesmos. Tal modelo foi escolhido por estar de acordo com os objetivos do presente
TCC. Este modelo foi obtido através de pesquisas, onde se buscou discutir e identificar sobre que
qualidades são consideradas essenciais a um professor ou tutor que leciona em ambientes virtuais de
EaD (JAQUES e VICARI, 2007; SILVA e RAABE, 2008). Também se procurou demonstrar
através de exemplos como a tecnologia computacional pode auxiliar no reconhecimento dos
aspectos afetivos, demonstrando a viabilidade dos mesmos serem identificados.
Por fim, foram estipulados a seguir seis atributos como sendo os principais a que devem ser
desenvolvidos pelos profissionais de EaD, indicando como podem ser identificados e trabalhados a
partir do AVEA. Estes atributos servirão de fonte de dados para que o módulo a ser desenvolvido
possa se basear e construir informações para o auxílio e definição do nível afetivo do professor.
3.1.1
Sociabilidade
É dada como a capacidade do professor formar vínculos sociais com os demais professores e
principalmente com os alunos. Este estado afetivo pode ser identificado dentro de um ambiente
virtual através da interação e comunicação entre os participantes, tanto nas ferramentas de
comunicação síncronas (bate-papos, mensagens instantâneas) como nas assíncronas (correio, fórum
de discussão). A sociabilidade é influenciada pela interação do professor com os demais
participantes do processo de ensino, assim como a quantidade de mensagens que são trocadas entre
cada participante por ele estimulada. Deve existir uma quantidade mínima de comunicações escritas
qualificadas sempre que iniciar a utilização de uma ferramenta e a cada vez que elabora uma
resposta (tanto para os que participam como para os que, por algum motivo, deixam de cumprir
tarefas e metas previamente acordadas), deve ser usada como medida de sociabilidade. Neste ponto
de vista, o professor sociável se comunica uniformemente e intensamente com a maioria dos
participantes, enquanto o pouco sociável se comunica fracamente ou em desconformidade com os
participantes do processo estudantil.
3.1.2
Comunicabilidade
Têm como referencia a qualidade, oportunidade e precisão da comunicação entre os
participantes. Em um sistema de ensino a distancia, este aspecto afetivo pode ser avaliado como a
qualidade do texto produzido, como por exemplo, ao responder perguntas num fórum de discussão
ou escrever um feedback de um exercício do aluno que seja eficaz e que possa sanar as dificultadas
e não deixar dúvidas a seus leitores. Quando um professor corrige um trabalho ou exercício sem
nenhuma palavra ele não estará tendo bons vínculos afetivos com o aluno. A quantidade ou a
37
velocidade de resposta do professor as interações do aluno não indicam vínculos afetivos ruins. Isto
apenas irá ocorrer se um texto confuso, breve e inteligível for produzido, feito de forma
personalizada e que afete o aluno. No entanto, a qualidade do texto não é algo simples se ser
identificado e necessitaria de um alto investimento tecnológico e de programas específicos para tal
emprego. Tal tarefa de detectar este aspecto afetivo pode ser simplificada analisando o tamanho do
texto produzido pelo professor, estabelecendo faixas de quantidade de caracteres que possibilitem
concluir se uma mensagem foi ou não bem escrita e se pode alcançar seus reais objetivos.
3.1.3
Pontualidade
Se trata, a partir do que foi acordado com a turma, do ponto de atendimento do professor as
interações dos alunos, seja ele um questionamento via fórum de discussões, o envio de um trabalho,
uma dúvida geral sobre o curso ou um feedback a uma resposta de um exercício. A demora na
resposta de uma destas interações pode desmotivar ou aborrecer o aluno. Caso isso venha a
acontecer apenas com um docente, o aluno pode se aborrecer apenas com esse docente, porém isso
pode variar caso ocorra com freqüência, prejudicando o curso como um todo, desacreditando o
processo e desperdiçando tempo e recursos.
3.1.4
Comprometimento
Refere-se ao comprometimento do professor em cumprir os critérios e acordo previamente
estabelecidos. Um exemplo simples que pode ser citado é o professor ter estabelecido que a
divulgação dos resultados de um trabalho seria de 24 horas, no entanto o tempo relacionado a
pontualidade aceitável é de 48 horas. Caso a divulgação aconteça em 30 horas, ele pode ser
considerado pontual, porém não conseguiu cumprir com o acordo estabelecido, apresentado um
comportamento fora do ideal.
3.1.5
Meticulosidade
Este aspecto afetivo refere-se a capacidade do professor de ter atenção não apenas nas
interações dos alunos no ambiente virtual, mas também manter a percepção e a solução das
conseqüências destas interações. O professor preocupa-se com as mudanças que ocorrem no
ambiente, verificando a existência de novos questionamentos dos alunos, entrega de trabalhos, etc.
38
Estas características podem ser identificadas por ferramentas computacionais, como sensores, que
capturariam o acontecimento de tais eventos e informaria o professor à ocorrência dos mesmos.
3.1.6
Iniciativa
Refere-se à capacidade do professor em apoiar o aluno em novas ações no ambiente virtual.
Tais ações podem ser: participação mais efetiva em um fórum, realizar um trabalho proposto,
responder um questionamento, ou se comunicar com os colegas. A característica da iniciativa é
considerada complexa de ser medida, já que pode ocorrer através de uma mensagem textual ou
outra ação. O que pode simplificar tal mensuração é a criação de um mecanismo em que o professor
designe uma tarefa que o aluno deva executar (semelhante a criação de processos em uma
máquina). Isso pode inclusive indicar o nível de aceitabilidade das indicações do professor.
3.2 DESENVOLVIMENTO
Foi desenvolvido um protótipo em forma de Box (caixa ou Block) para o ambiente virtual
MOODLE. O motivo da escolha de tal ambiente se deve ao fato deste ter código-aberto, passível de
modificações e agregação de novas funcionalidades. O box conterá informações sobre o estado das
dimensões afetivas do professor, que auxiliarão no desenvolvimento do processo educacional.
3.2.1
Definição das Estratégias para o Componente Afetivo
Com base nas funcionalidades do ambiente MOODLE, escolhido para o desenvolvimento
deste trabalho, foi identificado fatores afetivos que podem ser identificados para cada uma destas
ferramentas. Na Tabela 2, é apresentado um cruzamento entre algumas funcionalidades do sistema e
onde determinados atributos afetivos podem ser detectados.
39
Tabela 2. Relação entre as funcionalidades do sistema e os atributos afetivos
Páginas simples
Páginas web
Links arquivos
Links diretórios
Pacote IMS
Rótulos
Hot Potatoes
Base de Dados
Chat
X
Diário
Fórum
X
Glossário
Questionário
Tarefas
Wiki
Iniciativa
Meticulosidade
Comprometimento
Pontualidade
Comunicabilidade
Atributos Afetivos
Sociabilidade
Funcionalidade
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
No caso da sociabilidade, ela pode ser detectada através de ferramentas como chat e o
correio. Tanto no chat como no fórum, ela pode ser medida através da quantidade de mensagens
enviadas, freqüência de acesso, respostas as mensagens recebidas. Esta boa interação com essas
ferramentas caracteriza uma boa sociabilidade.
Já a comunicabilidade pode ser identificada através dos textos produzidos pelo professor.
Isso significa capturar os textos produzidos pelo tutor nos questionários, tarefas, fórum e chat e
avaliá-los. Esta tarefa se torna muito difícil e complicada, pois se trata de qualidade textual e de
verificar se o texto é compreensível ou não. Devido a esta complexidade, a comunicabilidade será
detectada neste trabalho apenas pelo tamanho dos textos produzidos nas funcionalidades, ficando a
tarefa mais complexa para um possível trabalho específico desta área.
A pontualidade será deduzida a partir das interações das ferramentas fórum, questionário e
tarefas. Este fator afetivo poderá ser avaliado a partir dos dados obtidos destas funcionalidades,
como porcentagem de agilidade na resposta ao aluno, tempo médio de resposta, número de
mensagens que demoraram a chegar.
40
Com relação ao comprometimento, ele pode ser obtido através do questionário e das tarefas,
utilizando dados da divulgação dos resultados, analisando se foram entregues no prazo previamente
acordado com a turma.
A meticulosidade será identificada verificando se o professor acessou todas as
funcionalidades do sistema, buscando identificar o cuidado que o mesmo teve ao preparar o
ambiente para o decorrer do curso. No caso de ocorrer novos eventos no ambiente, como a chegada
de um novo exercício, identificar se o professor observa imediatamente, se ele busca observar
também as conseqüências das interações do ambiente.
Enfim, no caso da iniciativa, será medida com a intensidade que o professor disponibiliza
novos materiais, novas postagens no fórum e novos exercícios. Isto mostra o interesse do professor
no aprendizado do aluno, tomando suas próprias atitudes para uma melhor eficiência do ensino da
turma. Ela será identificada em várias funcionalidades: páginas simples, páginas web, links
arquivos, links diretórios, chat, fórum, questionário e tarefas.
3.2.2
Definição das Fórmulas Cálculo para o Componente Afetivo
A definição das fórmulas para o cálculo da afetividade de cada atributo foi realizada a partir
da definição conceitual estabelecida por Cunha, Silva e Bercht (2008). Cada uma das
funcionalidades já identificadas na Tabela 2 foi estudada, ou seja, foi necessário compreender como
os dados são armazenados no MOODLE para então estabelecer a forma de captura e tratamento da
informação. Para cada atributo foi definida uma fórmula que retorna um resultado o qual estará
dentro de uma escala entre ótimo, bom, médio, ruim e péssimo. A seguir é explicado cada um dos
atributos afetivos.
3.2.2.1
Sociabilidade
A sociabilidade é dada pelo cálculo do desvio padrão do número de mensagens enviadas
para da cada aluno. Ou seja, se para o aluno X são enviadas 4 mensagens, para o aluno Y são
enviadas 9 mensagens e para o aluno Z são enviadas 6 mensagens; logo, o desvio padrão será 2,51.
Uma limitação clara desta fórmula é se o professor não enviar mensagens a ninguém. Com isso o
calculo do desvio padrão ficaria em zero e acarretaria em uma avaliação errada do professor neste
atributo. A Equação 1 ilustra a fórmula, onde s representa o desvio padrão.
41
s
Equação 1
quantidadeMensagemAluno
Conforme o resultado obtido na Equação 1, é verificada na escala de valores da Tabela 3
qual é o nível de sociabilidade do professor.
Tabela 3. Escala de valores de sociabilidade
Escala (desvio padrão)
Ótimo
Bom
Médio
Ruim
Péssimo
Valor mínimo
0
0,6
1,1
1,6
2,1
Valor máximo
0,5
1
1,5
2
* (infinito)
Na Figura 12 são apresentados as tabelas e campos do banco de dados que foram utilizados
para o desenvolvimento da sociabilidade dentro do projeto. As tabelas prof_curso, aluno_curso,
aluno_quantidade_mensagem e quant_aluno_curso são views que representam, respectivamente,
cada curso e seus professores, cada curso e seus alunos, cada aluno e a quantidade de mensagens de
cada um e a quantidade de alunos em cada curso. As tabelas mdl_message e mdl_message_read são
as tabelas utilizadas pelo MOODLE para armazenar os dados referentes as mensagens enviadas
dentro do ambiente.
42
Figura 12. Tabelas do banco de dados utilizadas na sociabilidade
3.2.2.2
Comunicabilidade
O cálculo da comunicabilidade é feito contando os caracteres das mensagens do professor
direcionadas aos alunos. As mensagens do chat, fórum e tarefas, são selecionadas e, para cada uma,
é feita a contagem de quantos caracteres existem em cada mensagem. Após esta etapa, toda a
quantidade de caracteres nas mensagens são somadas e depois divididas pelo número de mensagens,
criando assim uma média de número de caracteres contidos nas mensagens. Aplicando a Equação 2
e inserindo os resultados na Tabela 4, é determinado o valor final da comunicabilidade.
x
quantidadeCaracteres
numeroMensagens
43
Equação 2
Tabela 4. Escala de valores de comunicabilidade
Escala
(caracteres)
Ruim
Bom
Ótimo
Bom
Ruim
Chat
Mínimo Máximo
17
* (infinito)
13
13
8
12
4
7
0
3
Fórum
Mínimo Máximo
201
* (infinito)
111
200
90
110
40
89
0
39
Questionário / Tarefa
Mínimo Máximo
81
* (infinito)
51
80
30
50
10
29
0
9
As tabelas e campos do banco de dados utilizados pela comunicabilidade dentro do projeto
são apresentados na Figura 13. As tabelas mdl_assignment e mdl_assignment_submissions
compõem a parte de tarefas utilizados pelo MOODLE. Para recuperar os dados do fórum, foram
utilizadas as tabelas mdl_forum_posts e mdl_forum_discussions. Já para o chat foram necessárias
as tabelas mdl_chat e mdl_chat_messages. A view prof_curso relaciona cada curso e seus
professores.
Figura 13. Tabelas do banco de dados utilizadas na comunicabilidade
44
A funcionalidade de questionário não pode ser utilizada nesta fórmula pois no banco de
dados do MOODLE não há informação de que enviou a mensagem para o aluno, logo não há como
dizer se a mensagem é do professor X ou Y.
3.2.2.3
Pontualidade
Para determinar a pontualidade, foram utilizadas a data de entrega da tarefa e a data da
resposta do professor e a data de postagem de um fórum pelo aluno e a data de resposta do
professor a esse fórum. A diferença destas datas é computada, para que posteriormente gere uma
média do tempo de resposta do professor. Usando essa média, a Tabela 5 determina a pontualidade
do professor. A Equação 3 mostra a forma de calculo.
x
dataEntregaTarefa dataDev Pr of
quantidadeTarefas
2
dataPostAluno dataPost Pr of
quantidadePost Pr of
Equação 3
Tabela 5. Escala de valores de pontualidade
Escala (dias)
Ótimo
Bom
Médio
Ruim
Péssimo
Valor mínimo
0
0,11
0,21
0,41
0,61
Valor máximo
0,1
0,2
0,4
0,6
* (infinito)
Na Figura 14 são apresentados os campos e tabelas do banco de dados utilizados neste
atributo afetivo. Para coletar os dados das tarefas, foram utilizadas as tabelas mdl_assignment e
mdl_assignment_submissions. Já para o fórum foram necessárias as tabelas mdl_forum_posts e
mdl_forum_discussions. As views prof_curso e aluno_curso refletem, respectivamente, a os
professores e os alunos de cada curso.
45
Figura 14. Tabelas do banco de dados utilizadas na pontualidade
Novamente, o questionário não pode ser usado, pois o banco de dados do MOODLE não
armazena qual professor efetuou a resposta ao aluno.
3.2.2.4
Comprometimento
O cálculo do comprometimento é igual ao da pontualidade. Porém, o comprometimento não
é calculado tendo como base a data de entrega da tarefa pelo aluno, e sim a data de entrega final da
mesma. Ou seja, o cálculo é feito sobre a diferença da data de entrega final da tarefa e da data de
avaliação e resposta do professor mais uma semana. A Equação 4 mostra a forma de cálculo.
x
dataFinalTarefa (dataDevolucao Pr of
umaSemana )
Equação 4
quantidadeTarefa
A Tabela 6 classifica o comprometimento do professor conforme o resultado da Equação 4.
46
Tabela 6. Escala de valores do comprometimento
Escala (dias)
Ótimo
Bom
Médio
Ruim
Péssimo
Valor mínimo
0
0,11
0,21
0,41
0,61
Valor máximo
0,1
0,2
0,4
0,6
* (infinito)
Os campos e as tabelas do banco de dados utilizados neste atributo afetivo são apresentados
na Figura 15. As tabelas mdl_assignment e mdl_assignment_submissions foram utilizadas para
recuperar os dados das tarefas. A view prof_curso é utlizada para coletar os dados dos professores
para cada curso.
Figura 15. Tabelas do banco de dados utilizadas no comprometimento
Neste atributo a funcionalidade questionário não pode ser utilizada novamente, pois o banco
de dados do MOODLE não salva qual professor efetuou a avaliação do questionário.
47
3.2.2.5
Meticulosidade
O calculo da meticulosidade é dado a partir da data e hora da ultima visita do professor ao
fórum. A diferença desta data com a data atual é o tempo estimado em que o professor não acessou
o sistema. A Equação 5 apresenta a forma de cálculo.
x dataUltimoPostAluno dataUltimoAcesso Pr ofForum
Equação 5
A Tabela 7 classifica o professor com base no resultado da Equação 5.
Tabela 7. Escala de valores de meticulosidade
Escala (horas)
Ótimo
Bom
Médio
Ruim
Péssimo
Valor mínimo
0
25
49
97
170
Valor máximo
24
48
96
169
* (infinito)
Na Figura 16 são apresentados os campos e as tabelas do banco de dados utilizadas pela
meticulosidade. Os dados do fórum foram coletados das tabelas mdl_forum_posts e
mdl_forum_discussions. Para saber a data do último acesso do professor ao fórum foi utilizada a
tabela mdl_log. Por fim, a view prof_curso foi usada para listar os professores de cada curso.
48
Figura 16. Tabelas do banco de dados utilizadas na meticulosidade
3.2.2.6
Iniciativa
Por fim, para calcular iniciativa, foi feito o cálculo de quantas semanas se passaram desde o
início do curso e de quantos materiais foram colocados pelo professor desde o início do curso. A
Equação 6 demonstra o cálculo.
x
quantidadeMaterialNovo
quantidadeSemanas * 2
Equação 6
Inserindo o resultado da Equação 6 na Tabela 8, é obtido o resultado da iniciativa.
Tabela 8. Escala de valores de iniciativa
Escala (materiais)
Ótimo
Bom
Médio
Ruim
Péssimo
Valor mínimo
1,61
1,21
0,81
0,41
0
49
Valor máximo
* (infinito)
1,6
1,2
0,8
0,4
Os campos e tabelas do banco de dados utilizados pela iniciativa dentro do projeto são
apresentados na Figura 17. Para obter os professores de cada curso, foi utilizada a view prof_curso.
A quantidade de materiais inseridos pelo professor no sistema foi obtida através da tabela mdl_log.
Usando a tabela mdl_course foi possível recuperar a data de início do curso.
Figura 17. Tabelas do banco de dados utilizadas na iniciativa
3.2.3
Verificações
Durante o desenvolvimento do protótipo, foram utilizados o banco de dados padrão do
MOODLE e uma base de dados importada, ambos em MySQL. Este procedimento foi necessário
para que fossem validadas as consultas de banco de dados da aplicação. Para finalizar os testes, as
consultas foram executadas na base de dados do ambiente SOPHIA, que é um Repositório de
Objetos de Aprendizagem utilizado pela UNIVALI.
50
Ao utilizar o bando de dados padrão do MOODLE, foram executadas diversas tarefas
simulando o uso diário do sistema. Desta forma, pode-se identificar quais campos do banco de
dados foram utilizados e definir qual a melhor consulta para retornar os dados desejados.
O uso de uma base de dados importada de um sistema em uso foi necessário para que, de
imediato, fosse obtido um resultado compatível com o esperado das consultas. No caso, foi
utilizado o banco de dados dos cursos do TADS - Tecnologia em Análise e Desenvolvimento de
Sistemas (UNITINS / UNIVALI).
Por fim, as consultas de banco de dados foram executadas no banco de dados de produção
do ambiente SOPHIA. Foram escolhidas quatro turmas e quatro professores que utilizam este
sistema. Estes cursos escolhidos são 20% de EaD, ou seja, utilizam o sistema para apoio a aula
presencial. Esta decisão foi tomada para facilitar a aplicação do questionário de avaliação que
deveria ser aplicado para a validação dos resultados.
Para a comprovação dos resultados, foi elaborado um questionário de avaliação do professor
pelo aluno. Desta forma, foi possível confrontar os dados do módulo com os dados dos alunos e
determinar se o módulo corresponde ou não com estes resultados. Foi escolhido aplicar este
questionário nos alunos pois eles são os mais afetados e podem identificar e qualificar o professor
quanto ao seu estado afetivo.
Este questionário foi aplicado nas mesmas turmas já escolhidas durantes os testes da
aplicação. Ele possui uma questão para cada atributo, contendo em cada uma delas cinco
alternativas: Ótimo, Bom, Médio, Ruim e Péssimo. O questionário pode ser visualizado no
apêndice.
As turmas foram nomeadas como turma B, turma J, turma F e turma E. Respectivamente,
são do sétimo, sexto, quinto e segundo período do curso de Ciência da Computação da UNIVALI.
Elas fazem parte do semestre 2009/2, e foram avaliadas no período de 01 de agosto de 2009 a 23 de
outubro de 2009. A Tabela 9 apresenta a quantidade de alunos que responderam o questionário para
cada turma.
51
Tabela 9. Quantidade de alunos por turma avaliada
Turma
B
J
F
E
Quantidade de alunos
9
20
30
29
Para que os dados do questionário respondido pelos alunos pudessem ser comparados com
os dados do protótipo, foi decidido que para cada alternativa das respostas do questionário seria
associado a um número inteiro, ou seja, Péssimo, Ruim, Médio, Bom e Ótimo valeriam,
respectivamente, 0, 25, 50, 75 e 100. Em seguida, foi feito a média destes valores para cada questão
em cada turma, mensurando o resultado em um valor único. Este valor foi inserido na Tabela 11
para alcançar o resultado final.
Tabela 10. Tabela de valores do questionário
Escala (valor)
Ótimo
Bom
Médio
Ruim
Péssimo
Valor mínimo
81
61
41
21
0
Valor máximo
100
80
60
40
20
Com os resultados do módulo e do questionário, foi possível compilar os dados em uma
tabela para que pudessem ser comparados facilmente. A Tabela 11 e a Tabela 12 apresentam os
resultados.
Tabela 11. Comparação de resultados
Turma B
Atributos Afetivos
Questionário
Turma J
Módulo
Questionário
Módulo
Dados Avaliação Dados Avaliação Dados Avaliação Dados Avaliação
Sociabilidade
50,00
Médio
N/A
N/A 31,25
Ruim
N/A
N/A
Comunicabilidade
69,44
Bom
0,00
Ruim 57,50
Médio
0,00
Ruim
Pontualidade
52,78
Médio
N/A
N/A 43,75
Médio
N/A
N/A
Comprometimento
69,44
Bom
0,00 Péssimo 60,00
Médio
0,16
Bom
Meticulosidade
66,67
Bom 60,00
Iniciativa
94,44
Ótimo
2,64
52
Médio 63,00
Bom
0,00 Péssimo
Ótimo 75,00
Bom
0,29 Péssimo
Tabela 12. Comparação de resultados
Turma F
Questionário
Atributos Afetivos
Turma E
Módulo
Questionário
Módulo
Dados Avaliação Dados Avaliação Dados Avaliação Dados Avaliação
Sociabilidade
10,00 Péssimo N/A
Comunicabilidade
Pontualidade
Comprometimento
Meticulosidade
Iniciativa
25,83
10,83
12,50
14,17
15,83
Ruim
Péssimo
Péssimo
Péssimo
Péssimo
0,00
N/A
0,00
0,00
0,00
N/A 19,83 Péssimo N/A
Péssimo
N/A
Péssimo
Péssimo
Péssimo
43,10
50,86
81,03
84,48
90,52
Médio
Médio
Ótimo
Ótimo
Ótimo
N/A
0,00
Ruim
N/A
N/A
-1,00
Ótimo
0,00 Péssimo
7,93
Ótimo
Analisando os dados contidos na tabela, é possível perceber que alguns atributos obtiveram
mais sucesso do que outros, ou seja, alguns têm avaliações mais parecidas com os questionários,
sendo que outros não. No caso dos atributos em que estão diferentes a avaliação do módulo e a do
aluno, é interessante notar de quanto foi o erro. Por exemplo, se a avaliação do aluno ficou em
Péssimo e o módulo respondeu em Ruim, a diferença foi de apenas um ponto; porém se os alunos
responderam em Péssimo e o módulo em Médio, a diferença já fica em dois pontos. A Tabela 13
mostra a quantidade de acertos, erros leves e erros graves.
Tabela 13. Desempenho de cada atributo afetivo
Atributos
Sociabilidade
Comunicabilidade
Pontualidade
Comprometimento
Meticulosidade
Iniciativa
Acertos
N/A
0
N/A
2
1
3
Erros leves
N/A
3
N/A
1
1
0
Erros graves
N/A
1
N/A
1
2
1
Dentre os resultados obtidos na Tabela 13, pode destacar o bom desempenho da Iniciativa,
que obteve acertos em três turmas. Com o pior resultado ficou a comunicabilidade, que acabou por
não acertar em nenhuma turma.
Os resultados não apresentados nos atributos de sociabilidade e de pontualidade não foram
apresentados devido as dificuldades encontradas durante o projeto, que serão detalhadas na seção
apropriada.
53
3.2.4
Protótipo
Para o desenvolvimento do protótipo final, foi utilizado um sistema MOODLE básico,
instalado em um sistema LINUX e com o sistema gerenciador de banco de dados PostgreSQL. As
consultas de banco de dados já desenvolvidas foram aplicadas a um novo block do MOODLE, com
o nome afetividade. Este novo bloco pode ser visualizado na Figura 18.
Figura 18. Imagem do Protótipo como Block
3.2.5
Dificuldades Encontradas
Durante o decorrer do desenvolvimento do projeto, vários problemas foram encontrados.
Nesta seção eles serão abordados detalhadamente e que futuramente possam servir para o
aperfeiçoamento do projeto.
No primeiro momento de desenvolvimento, foi utilizado o sistema gerenciador de banco de
dados MySQL, tanto no banco de dados padrão do MOODLE como na base de dados importada do
TADS. Porém, quando foram iniciados os testes no SOPHIA, em sua base de produção, esta base
possuía o gerenciador de banco de dados ORACLE, o que levantou uma série de complicações
relacionadas a compatibilidade da linguagem utilizada nas consultas. Este fato determinou uma
perda de informação que seria de suma importância para o projeto. Ele claramente poderia ter sido
54
resolvido se o mesmo gerenciador de banco de dados fosse utilizado desde o início do
desenvolvimento do projeto.
Dentre as perdas de dados ocorridas que não puderam ser resolvidas por completo, estão as
consultas dos atributos de sociabilidade e de pontualidade. Ambas estavam profundamente ligadas a
cálculo de datas, como por exemplo, diferença entre duas datas, podendo assim determinar quanto
tempo se passou entre essas datas.
Por fim, devido ao fato de as turmas escolhidas possuírem 20% de EaD, ocorreu que alguns
professores não utilizavam o sistema com muita freqüência, ocasionando a falta de dados
suficientes para realizar uma avaliação mais concreta e consistente.
55
4 CONCLUSÕES
Com foco nos objetivos a serem cumpridos por este projeto, foram efetuadas, na etapa de
fundamentação teórica, pesquisas sobre a Computação Afetiva, seus conceitos, suas principais áreas
e suas aplicações, assim como alguns trabalhos já realizados nesta área.
Logo após, foram efetuadas pesquisas sobre os ambientes AVEA, que apresentam uma
abordagem diferente no ensino. Nesta pesquisa, foram identificados tipos distintos destes
ambientes, que podem ser utilizados para propósitos específicos ou gerais.
Os Sistemas Tutores Inteligentes (STI), assim como outros ambientes AVEA que utilizam
de técnicas de Inteligência Artificial para melhorar o desempenho educacional também foram alvo
de pesquisas, reforçando a importância deste tipo de estudo e identificando os resultados que
possivelmente serão obtidos por este projeto.
Em seguida, ainda na fundação teórica, foram identificados e analisados os papéis
desempenhados durante um curso de EaD, apresentando um modelo possível de atuação da equipe
EaD. Com uma visão um pouco mais aprofundada, foram pesquisados os aspectos que devem ser
desenvolvidos pelo tutor EaD, suas qualidades e características, assim como suas diferenças para o
ensino presencial.
Com todos os dados necessários coletados, foram desenvolvidas as fórmulas para cada
atributo, assim como as tabelas de classificação. Em seqüência, foi produzido um conjunto de
consultas de banco de dados que equivalessem as equações. Com isto foi possível coletar amostras
de dados que puderam ser verificadas posteriormente.
Para a validação dos resultados, foi elaborado um questionário de avaliação do professor.
Este questionário foi entregue aos alunos para que eles avaliassem seu professor e assim fosse
gerado um perfil de aspectos afetivos delineado pelos alunos.
Assim que os dados deste questionário foram computados, eles foram confrontados com os
dados das consultas de banco de dados dos AVA e assim, pode-se observar qual a diferença entre
estes diferentes métodos de avaliação.
Analisando os resultados das fórmulas, é possível perceber que a fórmula de calculo da
comunicabilidade provavelmente não esteja correta. Como ela utiliza uma média de três
56
ferramentas, provavelmente deveria ter sido aplicado uma média ponderada nas três ferramentas,
deixando assim o resultado mais correto. Já a fórmula da iniciativa se mostrou eficaz e
provisoriamente não precisa de alterações imediatas, diferentemente das demais fórmulas.
Devido ao uso do ambiente SOPHIA nos testes realizados, alguns dados necessários para
gerar um relatório do atributo comprometimento não puderam ser coletados, pois neste ambiente
alguns cursos utilizam a funcionalidade Portfólio como meio de entrega das tarefas. Esta
funcionalidade foi desenvolvida na UNIVALI e o protótipo não a contempla.
Ao fim desde projeto, conclui-se que os dados coletados e as fórmulas desenvolvidas se
encaixam em sua maioria dentro do cenário criado pelos alunos no questionário. Porém, é possível
perceber que muito ainda deve ser percorrido para se alcançar um objetivo que possa ser
definitivamente implantado dentro deste sistema, tendo em vista que sua diversidade de
gerenciadores de banco de dados disponíveis para o MOODLE e as várias ferramentas existentes,
tanto nativas quanto desenvolvidas por terceiros, podem atrapalhar no resultado correto destas
fórmulas.
Portanto, fica então a possibilidade de continuidade deste projeto, com o intuito de resolver
os problemas encontrados e expandir a quantidade de ferramentas que ele abrange e, por fim,
difundir seu uso nos cursos para contribuir com a qualidade do ensino e o relacionamento
tutor/aluno.
57
PUBLICACÕES
CUNHA, Fabrício Oscar da ; SILVA, Júlia Marques Carvalho da . Análise das Dimensões Afetivas
do Tutor em Turmas de EaD no Ambiente Virtual Moodle. In: XX Simpósio Brasileiro de
Informática na Educação, 2009, Florianópolis. XX Simpósio Brasileiro de Informática na
Educação, 2009.
58
REFERÊNCIAS BIBLIOGRÁFICAS
AIBO. Sony AIBO Europe. Disponível em: <http://support.sony-europe.com/aibo>. Acesso em: 29
set 2008.
AKHRAS, Fabio; SELF, John. Beyonde intelligent tutoring systems: situations, interactions,
process and affordances. In: Instructional Science, 30, 2002, Netherlands. Netherlands: Kluwer
Academic Publishers, 2002.
ALMEIDA, A. M. S. O que é afetividade? Reflexões para um conceito. In: Educação On-line.
Fonte ANPED, 2002. Disponível em:
<http://www.gtpsicologiadaeducacao.vndv.com/trabalhos%202001/ANA%20RITA%20ALMEIDA
.pdf>. Acessa em: 20 set. 2008.
ALVES, Lynn; NOVA, Cristiane. Educação a distância: uma nova concepção de aprendizagem e
interatividade. São Paulo, Futura, 2003.
BERCHT, M.; Em Direção a Agentes Pedagógicos com Dimensões Afetivas. Instituto de
Informática. UFRGS. Tese de Doutorado. 2001.
CLAROLINE. Claroline.Net. 2007. Disponível em: <http://www.claroline.net>. Acesso em: 16 out.
2008.
CONATI, C.; MACLAREN, H. Evaluating a Probabilistic Model of Student Affect, ITS'04,
International Conference on Intelligent Tutoring Systems, Maceio, Brazil. 2004.
CUNHA, Cláudio Rodrigues da; SILVA, Júlia Marques Carvalho da Silva; BERCHT, Magda.
Proposta de um Modelo de Atributos para o Aprimoramento da Comunicação Afetiva para
Professores que atuam na Educação a Distância. In: Simpósio Brasileiro de Informática na
Educação (19), Fortaleza, 2008.
EL-NASR, M. S.; YEN, J.; IOERGER, T. R. FLAME-fuzzy logic adaptive model of emotions.
Autonomous Agents and Multi-Agent Systems, 3(3):219-257. 2000.
FLORES, Inezita Adriana. A afetividade e a aprendizagem. Monografia (Especialização Currículo e
Metodologia das Séries Iniciais e Pré-Escola)-Universidade do Vale do Itajaí, Itajaí, 1998.
FRIGO, Luciana Bolan; POZZEBON, Eliane; BITTENCOURT, Guilherme. O Papel dos Agentes
Inteligentes nos Sistemas Tutores Inteligentes. In: WORLD CONGRESS ON ENGINEERING
AND TECNOLOGY EDUCATION, 2004, São Paulo. Disponível em:
<http://www.inf.ufsc.br/~l3c/artigos/frigo04a.pdf>. Acesso em: 25 out 2008.
GEYER, Cláudio F. R.; RODRIGUES, Alessandra P.; EMILIANO, José P., PEREIRA, Adriana
Soares; FERRARI, Débora Nice; OLIVEIRA, Alex; SEMEAI – Sistema Multiagente de Ensino e
Aprendizagem na Internet. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO,
12, 2001. Disponível em: <www.inf.lasalle.tche.br/semeai/sbie2001.ps>. Acesso em: 25 out 2008.
GRATCH, Jonathan; MARSELLA, Stacy. Evaluating a computational model of emotion.
Autonomous Agents and Multi-Agent System, v. 11, p. 23–43, 2005.
HASSIN, Mohd Hafiz Mohd; AZIZ, Ab. Aziz; NORWAWI, Norita Md. Affective computing:
knowing how you feel. IN: THE NATIONAL SEMINAR OF SCIENCE TECHNOLOGY AND
SOCIAL SCIENCE (STSS „04), UiTM Pahang, 2004.
JAQUES, P. A.; VICARI, R. M. Pat: Um Agente Pedagógico Animado para Interagir Afetivamente
com o Aluno. In: Revista Novas Tecnologias na Educação, Mai, 2005.
JI, Q.; HU, R. 3D Face Pose Estimation and Tracking from a Monocular Camera, Image and Vision
Computing, v.20, issue 7, pp.499-511, 2002.
KAPOOR, A.; PICARD, R. E. Multimodal Affect Recognition in Learning Environments, ACM
MM‟05, November 6-11, Singapore. 2005.
KAPUR, A.; KAPUR, A.; VIRJI-BABUL, N.; TZANETAKIS, G.; DRIESSEN, P.F. GestureBased Affective Computing on Motion Capture Data. In: Proceedings of the International
Conference on Affective Computing and Intelligent Interaction (ACII), Beijing, China, October,
2005.
KINSHUK; TRETIAKOV, Alexei; HONG, Hong; PATEL, Ashok. Human Teacher in Intelligent
Tutoring System: A Forgotten Entity! 2001. In: IEEE INTERNATIONAL CONFERENCE ON
ADVANCED LEARNING TECHNOLOGIES, 2001, Madison/USA.
KSHIRSAGAR, S.; MAGNENAT-THALMANN, N. A Multilayer Personality Model. In
Symposium on Smart Graphics: 107-115. Hawthorne, NY, USA. 2002.
LEAL, Regina Barros. A Importância do Tutor no Processo de Aprendizagem a Distância. In:
Revista Iberoamericana de Educación. 2005. Disponível em:
<http://www.rieoei.org/deloslectores/947Barros.PDF>. Acesso em: 02 nov 2008.
LESTA, Leanna; YACEF, Kalina. An Intelligent Teaching-Assistant System for logic. In:
INTERNATIONAL CONFERENCE ON INTELLIGENT TUTORING SYSTEMS, 6, 2002,
Biarritz/Spain: Lecture Notes in Computer Science 2363, pp. 421-431.
LIAO, W.; ZHANG, W.; ZHU, Z.; JI, Q.; GRAY, W. D. Toward a decision-theoretic framework
for affect recognition and user assistance. In: International Journal of Human-Computer Studies, 64
(9) pp. 847-873. 2006.
LITWIN, Edith (org). Educação a distância: temas para debate de uma nova agenda
Educativa. Porto Alegre: Artmed, 2001.
LONGHI, Magalí Teresinha; BERCHT, Magda; BEHAR, Patricia Alejandra. Reconhecimento de
Estados Afetivos do Aluno em Ambientes Virtuais de Aprendizagem. In: Revista Novas
Tecnologias na Educação, v. 5, n. 2, dez. 2007.
LONGHI, Magalí Teresinha; REATEGUI, Eliseo Berni; BERCHT, Magda; BEHAR, Patricia
Alejandra. Um estudo sobre os Fenômenos Afetivos e Cognitivos em Interfaces para Softwares
Educacionais. In: Revista Novas Tecnologias na Educação, v. 5, n. 1, jul. 2007.
LUCAS, Joel Pinho; WILGES, Beatriz; SALOMÃO, Samuel Elias da Silva; SILVEIRA, Ricardo
Azambuja. Proposta de um Agente Pedagógico Animado Inserido no Ambiente Teleduc como uma
Ferramenta Tutora. In: Revista Novas Tecnologias na Educação, v. 2, n. 2, nov. 2004.
60
MACHADO, Liliana Dias; MACHADO, Elian de Castro. O Papel da Tutoria em Ambientes EaD.
Congresso Internacional de Educação a Distância (11), Salvador, abril, 2004. Disponível em:
<http://www.abed.org.br/congresso2004/por/pdf/022-TC-A2.pdf>. Acesso em: 2 nov. 2008.
MOODLE. Modular Oriented-Object Dynamic Learning Environment. 2008. Disponível em:
<http://www.moodle.org>. Acesso em: 15 out. 2008.
MORAN, J. M. Novos caminhos do ensino a distância, IN: Informe CEAD - Centro de
Educação a Distância. SENAI, Rio de Janeiro, ano 1, n.5, out-dez. 1994, pp. 1-3.
ORTONY, A; CLORE, G.; COLLINS. A. The cognitive structure os emotions. Cambridge:
Cambridge University Press, 1988.
PICARD, R. (1997). Affective Computing. MIT Press. Cambridge, 1997.
REATEGUI, E. B.; BOFF, E.; CERON, R. F.; VICARI, R. M. Kurrupako: Um Agente SocioAfetivo para Ambientes de Aprendizagem. In: Revista Novas Tecnologias na Educação, Jul,
2006.
REILLY, N. Believable Social and Emotional Agents. Ph.D. Thesis. Technical Report CMU-CS96-138, School of Computer Science, Carnegie Mellon University, Pittsburgh, PA. 1996.
RIBEIRO, João Pedro Accorsi; REATEGUI, Eliseo; BOFF, Elisa. Integrando um Agente
Pedagógico para Recomendação de Tutores a um Sistema de Gerência de Cursos. In: Revista
Novas Tecnologias na Educação, Jul, 2007.
ROODA Rede Cooperativa de Aprendizagem. 2008. Disponível em:
<http://www.nuted.edu.ufrgs.br/nuted/projeto_rooda.html>. Acesso em: 15 out 2008.
ROSEMAN, I.J.; JOSE, P.; SPINDEL, M.S. Appraisals of emotion-eliciting events: Testing a
theory of discrete emotions. Journal Personality and Social Psychology, 5(59), 899–915. 1990.
ROUSSEAU, D.; HAYES-ROTH, B.. A social-psychological model for synthetic actors. In:
Autonomous Agents 1998, Minneapolis, MN. (p 165-172).1998.
SAKAI. Sakai Collaboration and Learning Environment. 2008. Disponível em:
<http://sakaiproject.org>. Acesso em: 16 out 2008.
SÁ, Iranita M. A. Educação a distância: processo contínuo de inclusão social. Fortaleza: C.E.C.,
1998.
SCHERER, K. What are emotions? And how can they be measured? In: Social Science
Information 44 (4), 695–729. 2005.
SILVA, Júlia Marques Carvalho da; RAABE, André Luís Alice. Ambiente ALICE - Ambiente
Internet para Auxilio a Aprendizagem de Algoritmos e Programação. 2004.
TELEDUC. TelEduc - Ambiente de Ensino a Distância. 2008. Disponível em:
<http://teleduc.nied.unicamp.br/pagina/>. Acesso em: 15 out 2008.
61
VELÁSQUEZ, J. D. Modeling emotions and other motivations in synthetic agents. In Proceedings
of the 14th National Conference on Artificial Intelligence and 9th Innovative Applications of
Artificial Intelligence Conference (AAAI-97/IAAI-97). 1997.
VICARI, Rosa Maria; GIRAFFA, Lúcia Maria Martins. Fundamentos dos Sistemas Tutores
Inteligentes. In: BARONE, Dante (Org). Sociedades virtuais: a nova fronteira da inteligência das
máquinas. Porto Alegre: Bookman, 2003. ISBN: 85-363-0124-4.
VICENTE, Angel de; PAIN, Helen. A computational model of affective educational dialogues. In:
AAAI FALL SYMPOSIUM, Falmouth, Massachusetts, 2000. Technical Report FS-00-01. Menlo
Park: AAAI Press, CA, USA, 2000. pp 113-121. Disponível em:
<http://www.iac.es/galeria/angelv/papers/AVicente00.pdf>. Acesso em: 20 out 2008.
YACEF, Kalina. Intelligent Teaching Assistant Systems. In: INTERNATIONAL CONFERENCE
ON COMPUTERS IN EDUCATION, 2002, New Zeland: Kinshuk (eds) 2002.
ZENG, Z.; MING,J.T.; ZHANG, T.; RIZZOLO, N.; ZHANG, Z. Bimodal HCI-related affect
recognition, Proc. 6th Int. Conf. on Multimodal Interfaces, pp.137–143, 2004.
62
APÊNDICES
63
QUESTIONÁRIO DE AVALIACAO
Avaliação de Aspectos Afetivos de Professores em Ambientes Virtuais
Caro aluno,
Você está sendo convidado para auxiliar no trabalho de conclusão de curso do acadêmico Fabrício
Oscar da Cunha, sob a orientação de Júlia Marques Carvalho da Silva. Neste sentido, convidamos você a
responder as questões abaixo, considerando a aula em que você está e com este professor.
Desde já agradecemos pela sua colaboração nesta atividade.
Atenciosamente,
Fabrício Oscar da Cunha.
Assinale com um X a opção que mais se adéqua a sua opinião.
Tópicos a avaliar
1. O professor se comunica com você através do Sophia? Ele conversa com você nos
fóruns e chats da disciplina?
(
) Sempre (
) Freqüentemente (
) Às vezes ( ) Raramente
( ) Nunca
2. Baseado na pergunta anterior, responda qual a qualidade da conversa que
normalmente você tem com o professor.
(
) Muito bom (
) Bom (
) Médio ( ) Ruim ( ) Péssimo
3. Seus trabalhos, questionários ou posts no fórum são respondidos com rapidez?
(
) Sempre (
) Freqüentemente (
) Às vezes ( ) Raramente
( ) Nunca
4. Quando você efetua a entrega de um trabalho, o professor realiza a correção,
devolução ou feedback dentro do prazo estabelecido?
(
) Sempre (
) Freqüentemente (
) Às vezes ( ) Raramente
( ) Nunca
5. Em sua opinião, o professor comparece com que freqüência ao ambiente virtual?
(
) Sempre (
) Freqüentemente (
) Às vezes ( ) Raramente
( ) Nunca
6. Os materiais disponibilizados pelo professor são suficientes para o decorrer da
disciplina? Há sempre materiais para todas as aulas?
(
) Sempre (
) Freqüentemente (
) Às vezes ( ) Raramente
65
( ) Nunca