Agentes Pedagógicos para o ensino de
Lógica com interações baseadas no perfil
do aluno e em Objetos de Aprendizagens
Disciplina: Engenharia de Software
orientada a Agentes
Prof. Dr. João Carlos Gluz
Alunos: Fabiane e Daniel
São Leopoldo, setembro de 2010
Tópicos do trabalho abordados:
1 – Resumo – Objetivo Introdução
2 – Tecnologias Utilizadas
2.1 – Agentes Inteligentes
2.2 – OBAA e OBAAMILOS
2.3 – Ontologias
2.3.1 – Domínio de Ensino
2.3.2 – Estratégias de
Aprendizagem
2.3.3 – Perfil do Aluno
3 – Arquitetura dos Agentes
4 – Caso de Uso
5 – Considerações Finais
6 – Referências Bibliográficas
Resumo
• O presente trabalho tem como objetivo descrever a
interação entre agentes pedagógicos para apoio no uso de
objetos de aprendizagens (OAs) no ensino de Lógica a
distancia. Esta interação baseia-se inteiramente em
ontologias criadas para definir o perfil do aluno, as
estratégias de aprendizagem e o conteúdo de Lógica. Com
isso os agentes são capazes de conhecer o OA num
determinado contexto e auxiliar o aluno de acordo com sua
necessidade. Os OAs seguem o padrão OBAA de
metadados.
Tecnologias Utilizadas – Agentes Inteligentes
• Um agente é tudo o que pode ser considerado capaz de
perceber seu ambiente por meio de sensores e de agir sobre
esse ambiente por intermédio de atuadores, conforme
apresentado na figura abaixo:
Tecnologias Utilizadas – Agentes Inteligentes
• Dentro das características básicas cognitivas, um agente
deve ter:
• Autonomia;
• Sociabilidade;
• Proatividade;
• Reatividade.
Tecnologias Utilizadas – Agentes Inteligentes
• Podemos empregar agentes inteligentes no âmbito da
educação, por exemplo, por meio de sistemas tutores
inteligentes, onde estes sistemas são responsáveis por
aprender/coletar informações relevantes sobre o aluno a fim
de auxiliá-lo de forma individualizada no aprendizado
tomando decisões pedagógicas sobre a melhor maneira de
como transmitir o conteúdo didático.
Tecnologias Utilizadas – Agentes Inteligentes
• A figura abaixo descreve o modo como o sistema se
relaciona com as ontologias, OAs e aluno.
Tecnologias Utilizadas - OBAA
• O projeto de pesquisa OBAA busca identificar pontos de
convergência entre as tecnologias de OAs e de Sistemas
Multiagente de maneira que ambientes de aprendizagem
tenham mais flexibilidade, adaptabilidade e interatividade.
Nesse sentido o projeto busca uma abordagem nas quais
OAs tenham sua construção baseados em agentes. O
resultado a ser alcançado trata-se de um padrão para OAs
interoperáveis (WEB e TV-Digital, com possíveis extensões
para telefones móveis) para WEB e TV-Digital.
Tecnologias Utilizadas - OBAA
• Critérios utilizados para implementação e projetar o padrão:
• Adaptabilidade e interoperabilidade: a mesma descrição de um OA
pode ser usada de forma interoperável, adaptando-se as
características das plataformas digitais como Web, TV Digital e
dispositivos móveis.
• Compatibilidade: o padrão de metadados de OA deve ser compatível
com o panorama de padrões internacionais.
• Acessibilidade: o padrão deve possibilitar o acesso aos OA por todos
os cidadãos, inclusive aqueles com necessidades especiais.
• Independência e flexibilidade tecnológica: o padrão deve ser flexível
e capaz de suportar as inovações tecnológicas, permitindo
extensões sem perder a compatibilidade com o conteúdo já
desenvolvido;
Tecnologias Utilizadas - OBAA
• Assim, a proposta de padrão resultante desta análise foi
definida de forma aberta e flexível, sendo compatível não só
com o panorama de padrões educacionais e multimídia
atuais, mas também assegurada através da definição da
sintaxe XML e semântica dos metadados através de
ontologias OWL, compatível com a Web Semântica.
Tecnologias Utilizadas - OBAAMILOS
• Infraestrutura para Suporte a Objetos de Aprendizagem
OBAA;
• O objetivo geral do projeto infraestrutura OBAAMILOS é criar
as bases tecnológicas que permitam efetivar a adoção da
proposta metadados de objetos de aprendizagem OBAA
como o futuro padrão nacional para objetos de
aprendizagem.
Tecnologias Utilizadas - OBAAMILOS
• Onde inclui:
• O projeto e implementação de ferramentas tecnológicas de
apoio
ao
padrão
para,
por
exemplo,
utilização,
compatibilização e verificação.
• A elaboração e publicação de melhorias, correções, adições e
atualizações do padrão, além da geração de conteúdos e
materiais baseados no padrão.
Tecnologias Utilizadas - OBAAMILOS
• Esta infraestrutura é extensivamente baseada no uso de
agentes pedagógicos, sistemas multiagentes e ontologias.
Em termos arquiteturais está dividida em três grandes níveis
de abstração:
• Ontologias;
• Agentes;
• Serviços de interface.
Tecnologias Utilizadas - OBAAMILOS
• A camada ontologias contêm além da ontologia de
metadados OBAA, as ontologias sobre domínios de ensino e
aplicações educacionais ou multimídia, todas construídas
usando a ontologia OBAA como o vocabulário de termos
básico.
• As ontologias contidas no nível de Ontologias deverão ser
obrigatoriamente definidas em OWL.
Tecnologias Utilizadas - OBAAMILOS
• A camada de agentes implementa as principais funcionalidades da
MILOS, onde os seguintes sistemas multiagente implementados
sobre JADE são previstos:
• Sistema de catalogação/Busca Federada de OA: cria e gerencia
federações de catálogo de OAs, permite a busca dos metadados em
toda a federação de forma transparente ao usuário;
• Sistema de Apoio Pedagógico: suporte para busca dependente do
contexto e uso de estratégias de ensino;
• Sistema de Autoria: assistência para autoria de OAs multimídia e
multiplataforma;
• Sistema de Gerência de OAs: gerenciamento e publicação de OAs
nas distintas plataformas.
Tecnologias Utilizadas - OBAAMILOS
• A camada de serviços oferece facilidades de interface para
Web permitindo que os agentes e sistemas multiagente da
MILOS possam ser acessados por ambientes e aplicações
educacionais, além de permitir também que estes agentes
tenham acesso aos repositórios de OAs, serviços de
diretórios, plataformas de EAD, bancos de dados e
servidores Web.
Tecnologias Utilizadas - Ontologias
• Neste trabalho o paradigma adotado foi o de ontologia com
semântica baseada em DL, sendo empregado para definir a
semântica da linguagem OWL (Web Ontology Language)
definida como o padrão para especificação de ontologias
pelo W3C (World Wide Web Consortium), por possuir a
flexibilidade de utilização e ampla adoção pela comunidade
científica.
• Além disso, a linguagem OWL é uma recomendação da
W3C para a especificação de ontologias de acordo com a
iniciativa da Web Semântica.
Ontologia – Domínio de Ensino
• O domínio de ensino discutido neste trabalho está contido na
disciplina de Lógica que abrange a área de conhecimento
das Ciências Exatas e da Terra.
• Num contexto mais focado o conteúdo descrito neste
domínio de ensino tem como base o livro: Lógica para
Computação, utilizado pelos cursos de graduação na Área
de Computação da Universidade do Vale do Rio dos Sinos –
UNISINOS, ofertada na modalidade à distância.
Ontologia – Domínio de Ensino
• Esta disciplina objetiva o aprendizado dos conceitos da
Lógica Proposicional e da Lógica de Predicados.
• Seguindo as orientações deste plano, a ontologia de
conteúdos educacionais está estruturada em cinco níveis
distintos:
• Área de Conhecimento;
• Disciplina;
• Tema estruturador;
• Unidade Temática;
• Item de ensino (Conteúdo).
Ontologia – Domínio de Ensino
• A figura abaixo representa parcialmente a ontologia de
conteúdo, mostrando a expansão da classe Unidade
Temática que abrange cinco subclasses.
Ontologia – Estratégia Pedagógica
• O plano de ensino abrange ainda em seu conteúdo,
estratégias pedagógicas na articulação de sua estrutura.
Desta forma, o domínio de ensino estudado está dividido em
duas ontologias: de conteúdo e de estratégias pedagógicas.
• A combinação da ontologia de conteúdo mais a ontologia de
estratégias pedagógicas formam o domínio de ensino que
compreende a disciplina de Lógica.
Ontologia – Estratégia Pedagógica
• Na ontologia de Estratégias de Aprendizagem temos:
• As metodologias,
aprendizagem.
técnicas
e
recursos
de
• As metodologias, técnicas e recursos de avaliação;
ensino
e
Ontologia – Estratégia Pedagógica
• Seguindo a estruturação do domínio de conteúdo, a
ontologia das estratégias pedagógicas foi estruturada da
seguinte forma:
• Objetivo;
• Habilidade;
• Conteúdo Disciplinar;
• Atividade;
• Perspectiva Metodológica;
• Avaliação.
Ontologia – Estratégia Pedagógica
Ontologias – Perfil do Aluno
• Um perfil descreve uma pessoa, permitindo a identificação
de dados pessoais, preferências, características, objetivos,
entre outros.
• No ambiente educacional a descrição de perfis de alunos
serve para permitir que se tenha um maior conhecimento da
realidade e das necessidades do aluno, tornando assim, o
sistema mais adaptativo.
• A idéia é que a partir da análise do perfil do aluno seja
possível adequar a estratégia de ensino ao aluno, fornecer
material didático adequado, acompanhar o desenvolvimento
e a evolução do aluno, entre outros.
Ontologias – Perfil do Aluno - Padrões de perfis
• IEEE PAPI:
• O padrão Public and Private Information Learner é
dedicado a troca de informações entre diferentes
sistemas. Ele especifica tanto a sintaxe quanto a
semântica do perfil de aluno. O padrão teve sua primeira
publicação em 1997, e atualmente se encontra na
versão draft 8 publicada em novembro de 2001.
• O padrão PAPI descreve um conjunto de informações,
relevantes, sobre o aluno, e atualmente está dividido em
seis categorias, como pode ser visto na figura seguinte:
Ontologias – Perfil do Aluno - Padrões de perfis
Ontologias – Perfil do Aluno - Padrões de perfis
• IMS Learner Information Package (LIP):
• O LIP (Learner Information Packege) foi desenvolvido
pelo IMS Global Consortium e trata da interoperabilidade
entre sistemas que se baseiam em informações de
alunos. O objetivo do padrão é definir um conjunto de
grupos de dados que possam ser compartilhados entre
diferentes sistemas, permitindo assim a criação de
ambientes de aprendizagem distribuídos .
• Uma das facilidades para a utilização do LIP, é que ele
apresenta um exemplo de implementação em XML,
além de descrever a estrutura dos dados e as melhores
práticas para utilização do modelo.
Ontologias – Perfil do Aluno - Padrões de perfis
• O IMS LIP está dividido em onze categorias, como mostra a
figura abaixo:
Ontologias – Perfis de aluno
• Ontologia proposta por Dolog.
Ontologias – Perfis de aluno - OntoLearner
• A ontologia OntoLearner foi definida com base nos padrões
PAPI e LIP, e utiliza mutuamente os principais elementos de
cada um dos dois padrões, gerando o modelo mínimo
necessário [16].
• Além de cobrir os dados necessários para estar de acordo
com os padrões, a ontologia OntoLearner apresenta
informações sobre o estilo cognitivo do aluno. Este estilo
cognitivo da pessoa é considerado uma das características
mais estáveis que influencia na realização de tarefas de
aprendizagem.
Ontologias – Perfis de aluno - OntoLearner
• A figura abaixo apresenta a estrutura básica da Ontolearner;
Estudo de Caso
• Atualmente o sistema está em fase de construção e possui
implementado, agentes capazes de ler e entender o
conteúdo das ontologias, onde o usuário é capaz de
pesquisar se um determinado vocabulário faz parte de seu
conteúdo.
Estudo de Caso
• Os agentes da aplicação estão organizada da seguinte
forma:
• Classe principal: responsável por efetuar a leitura das
ontologias e verificar se nelas está contigo determinado
elemento;
• AgentOntoDomain: agente capaz de manipular a ontologia de
domínio;
• AgentOntoEduStrategy: agente capaz de manipular a ontologia
de estratégia de ensino;
• AgentOntoLearner: agente capaz de manipular a ontologia de
perfil de aluno.
Arquitetura da Aplicação
• A manipulação das ontologias se dá através da troca de
mensagens. Cada agente é capaz de manipular uma
determinada ontologia, ou seja, realizar inferências em uma
determinada ontologia para a qual ele conhece.
• A figura a seguir demonstra a troca de mensagens entre a
interface do JADE e o agente capaz de manipular a ontologia
de perfil de aluno.
Arquitetura da
Aplicação
Na consulta
acima é possível
verificar que a
subclasse
“Learner” está
contida dentro da
ontologia.
Considerações Finais
• Ainda existem diversos objetivos a serem alcançados a partir
deste trabalho, todos eles focando o desenvolvimento de
agentes robustos, capazes de manipular ontologias,
comunicar-se com banco de dados e entre si.
• Um dos próximos passos é selecionar a linguagem de
comunicação padrão a ser adotada, tanto para comunicação
entre agentes, quanto entre agentes e usuário e agentes e
banco de dados.
Considerações Finais
• Diante deste cenário e visando permitir uma identificação
mais precisa do assunto que trata o objeto de aprendizagem,
surge à necessidade de uma interface que permita ao
usuário interagir com os agentes, sendo possível, por
exemplo, o desenvolvimento do sistema multiagente para
tutoria da disciplina de lógica proposto neste trabalho.
Referencias Bibliográficas
• [1] PORTAL OBAA. Disponível em: <http://www.portalobaa.org/obaac>.
Acessado em 26/08/2010;
• [2] PROJETO OBAAMILOS. Disponível em:
<http://obaa.unisinos.br/?pg=concretizacao_dos_metadados.html>. Acesso em
26/08/2010.
• [3] RUSSEL, STUART; NORVIG, P. Inteligência Artificial. Capítulo 2:
AGENTES INTELIGENTES. Elsevier Editora, 2004.
• [4] GLUZ. JOÃO CARLOS. INTRODUÇÃO A INFRAESTRUTURA MILOS. PósGraduação em Computação Aplicada (PIPCA), Universidade do Vale do Rio
dos Sinos (UNISINOS). Maio, 2010.
• [5] GLUZ. JOÃO CARLOS, PY, MÔNICA XAVIER. LOGICA PARA
COMPUTAÇÃO. Coleção EAD – Editora Unisinos, 2010.
• [6] XAVIER, ANA CAROLINA. AutoEduMat: Ferramenta de Apoio a Autoria de
Metadados de Objetos de Aprendizagem para o Domínio de Ensino de
Matemática. Dissertação de Mestrado. Universidade do Vale do Rio dos Sinos,
2010.
Referencias Bibliográficas
• [7] FILETO, RENATO. Construindo Aplicações na Web Semântica: Parte 1:
Introdução à Web Semântica. Programa de Pós-Graduação em Ciência da
Computação – PPGCC. Universidade Federal de Santa Catarina – UFSC.
2010.
• [8] The OWL API. Disponível em: <http://owlapi.sourceforge.net/index.html>.
Acesso em 30/08/2010.
• [9] Protègè. Disponível em: <http://Protègè.stanford.edu/>. Acesso em
28/08/2010.
• [10] LIP. Learner Information Package Specification 1.0.1. 2005. Disponível em:
<http://www.imsproject.org/profiles/lipv1p0p1/imslip_sumcv1p0p1.html>.
Acesso em: 15/08/2010.
• [11] PAPI. IEEE 1484.2. Draft standard for learning technology. Public and
private information (papi) for learners (papi learner). 2001. Disponível em:
<http://ltsc.ieee.org/meeting/200112/doc/papi_learner_parts.ppt>. Acesso em:
15/08/2010.
Referências Bibliográficas
• [12] MACE-Dir. 2008. EduPerson Object Class Specification. Disponível em:
<http://middleware.internet2.edu/eduperson/docs/internet2-mace-dir-eduperson200806.html>. Acesso em: 18/08/2010.
• [13] Saba. 2000. A comprehensive Architecture for Learning. Universal Learning
Format. Version 1.0.
• [14] CEN WS-LT. 2010. LTSC PAPI - Overview. Disponível em:
<http://www.cenltso.net/%28X%281%29S%28w2asaa45we3ktz45g1lx0q45%29%29/main.aspx
?put=230>. Acesso em: 28/08/2010.
• [15] MUSA, D.L et al. User Profile Interchange in a Service-oriented
Architecture. In: DISWEB.
• 2006, Luxemburgo. CAiSE 2006 Workshops, 2006.
• [16] MUSA, D.L et al. 2007. OntoLearner: Uma Ontologia para Perfis de Alunos
Baseada em Padrões.
Referências Bibliográficas
• [17] DOLOG P., Schaefer, M. Learner Modeling on the Semantic Web. In:
Proc.of PerSWeb-2005 Workshop, July, 2005, Edinburgh, UK.
• [18] Lógica. Ementa da disciplina. Universidade do Vale do Rio dos Sinos –
UNISINOS, 2010.