Você está na página 1de 14

Estudo comparativo sobre Sistemas Tutores Inteligentes Multiagentes Web

215

Estudo comparativo sobre Sistemas


Tutores Inteligentes Multiagentes Web
Willian Bolzan (PUCRS)
willian@inf.pucrs.br

Lcia M. M. Giraffa (PUCRS)


giraffa@inf.pucrs.br
Resumo. Este artigo apresenta um estudo comparativo sobre Sistemas Tutores
Inteligentes (STI), concebidos para a Web, que utilizam a tecnologia de Agentes
e Sistemas Multiagentes (SMA) em seu desenvolvimento. Apresenta uma anlise
comparativa desses sistemas afim de levantar requisitos e funcionalidades
necessrias para a definio de aspectos relevantes para o seu projeto e
desenvolvimento.
Palavras-chave: Sistemas Tutores Inteligentes, Sistemas Multiagentes

1 Introduo
Com o surgimento da Internet, redes e sistemas distribudos, observa-se que
os ambientes destinados ao ensino (Software Educacional) comearam a serem
pensados em uma escala diferente. Passa-se a ter sistemas de maior porte, de maior
complexidade de concepo e modelagem e, que trazem de forma intrnseca as
mesmas caractersticas e problemas das outras aplicaes que se utilizam destas
tecnologias.
Os STI so programas educacionais projetados para oferecer algum tipo de
auxlio personalizado ao aluno considerando o processo de aprendizagem de um
determinado contedo. Como modelar e implementar um STI uma deciso que
envolve aspectos de Engenharia de Software e no somente aspectose pedaggicos.
Nos ltimos anos a tendncia para este tipo de ambiente utilizar a tecnologia de
agentes para ampliar as possibilidades de se fazer essa assistncia personalizada ao
aluno.
Quando aplicamos a tecnologia de Agentes em STI, estes passam a ser
considerados, tambm, como SMA. Entretanto, por se tratarem de softwares
educacionais, precisam ser tratados de forma diferenciada devido a suas
caractersticas peculiares. Portanto a adaptao e/ou criao de ferramentas e
metodologias mais especficas um campo de pesquisa em aberto e promissor.
Esta abordagem, orientada a agentes, substitui os mdulos da arquitetura
tradicional por uma sociedade de agentes que trabalham de forma cooperativa
usando diversas tcnicas de Inteligncia Artificial (IA) e integrados como um
SMA.
Este artigo apresenta um estudo sobre os STI para a Web que utilizam a
tecnologia de agentes no seu projeto e desenvolvimento. importante salientar que

216

XI SEMINCO - Seminrio de computao - 2002

este estudo no ser restrito apenas a ambientes classificados explicitamente pelos


autores como STI, mas abordar ambientes de ensino-aprendizagem que foram
concebidos utilizando os princpios de uma arquitetura de STI. Isto , ambientes
onde existam caractersticas inerentes ao STI, tais como: um assistente pessoal, um
mediador, etc.
Este texto est organizado da seguinte maneira. A seo 2 apresenta uma
breve introduo aos STI e SMA. A seo 3 apresenta os ambientes desenvolvidos
com a tecnologia de Agentes. A seo 4 apresenta um estudo comparativo sobre os
ambientes analisados.
As sees 5 e 6 apresentam respectivamente as
consideraes finais e a bibliografia utilizada para a redao deste trabalho.

2 SMA e STI
Os SMA, constituem-se numa rea de pesquisa da Inteligncia Artificial
Distribuda (IAD). A abordagem de agentes se preocupa em estudar o
comportamento de uma sociedade constitudas por agentes, que possuem
autonomia, e tm como objetivo realizar tarefas que no so possveis de serem
realizadas individualmente ou coletivamente.
Segundo Russell (1995), um Agente um sistema capaz de perceber atravs
de sensores as informaes do ambiente onde est inserido e reagir atravs de
atuadores. Um agente pode ser definido como uma entidade de software que exibe
um comportamento autnomo , que est situado em algum ambiente sobre o qual
capaz de realizar aes para alcanar seus prprios objetivos, Wooldridge (1995),
Zambonelli (2000). Um agente um software que possui um conjunto de
propriedades especficas associadas ao seu objetivo/papel na sociedade multiagente
onde est inserido. O seu objetivo/papel vai determinar as propriedades que deve
ter. Porem, j existe consenso que um agente deve ter no mnimo: autonomia,
reatividade e habilidade social (comunicar-se com outros agentes do ambiente).
Numa abordagem clssica para a rea de agentes encontramos a definio de
Wooldridge (1995), que visualiza um agente como sendo uma entidade com
capacidade de resoluo de problemas encapsulada. Neste contexto, define-se
agente como tendo as seguintes propriedades:
- autonomia: executam a maior parte de suas aes sem interferncia direta
de agentes humanos ou de outros agentes computacionais, possuindo
controle total sobre suas aes e estado interno;
- habilidade social: por impossibilidade de resoluo de certos problemas
ou por outro tipo de convenincia, interagem com outros agentes
(humanos ou computacionais), para completarem a resoluo de seus
problemas, ou ainda para auxiliarem outros agentes;
- capacidade de reao: percebem e reagem alteraes no ambiente em
que estiverem inseridos;
- capacidade pr-ativa: agentes, do tipo deliberativo, alm de atuar em
resposta s alteraes ocorridas em seu ambiente, apresentam um

Estudo comparativo sobre Sistemas Tutores Inteligentes Multiagentes Web

217

comportamento orientado a objetivos, tomando iniciativas quando


julgarem apropriado (no caso, aplicado apenas aos agentes cognitivos).
A justificativa de aplicao da tecnologia de agentes na concepo de
Sistemas de Informao justificada quando o problema possui as seguintes
caractersticas, Jennings (1996):
- o domnio envolve distribuio intrnseca dos dados, capacidade de
resoluo de problemas e responsabilidades;
- necessidade de manter a autonomia de subpartes, sem a perda da estrutura
organizacional;
- complexidade nas interaes, incluindo negociao, compartilhamento de
informao e coordenao;
- impossibilidade de descrio da soluo do problema a priori, devido
possibilidade de pertubaes em tempo real no ambiente e processos de
negcio de natureza dinmica.
Logo, os softwares educacionais podem se utilizar da tecnologia de agentes
porque possuem todas essas caractersticas.
Segundo Giraffa (2001), a modelagem de STI numa arquitetura funcional de
agentes mais do que uma abordagem generalista. Teoricamente a modelagem no
apresenta limites para o nmero de agentes que podem participar do processo de
aquisio do conhecimento. Processo este que ocorre atravs de negociao dos
papis dos agentes tanto tutores, como aprendizes.
Existem diversos exemplos na literatura sobre a utilizao de agentes em
sistemas educacionais. Segundo Shoham (1993), uma sociedade de agentes para
aprender e ensinar pode ser a soluo para a construo de ambientes de ensino e
aprendizagem, se os agentes trabalham de uma maneira concorrente e autnoma
para alcanar seus objetivos. Os agentes em um ambiente de ensino/aprendizagem
so considerados autnomos porque: as atividades dos agentes individuais no
requerem constante superviso externa (humana), e no h (ou deveria haver)
autoridade central projetada para controlar todas as interaes desempenhadas
entre os agentes.
Segundo Grer (1998), o uso de agentes na concepo de sistemas
educacionais traz algumas vantagens, tais como: reagir s aes do usurio,
credibilidade, modelagem de sistemas colaborativos multi-usurio e modularidade,
pelo fato de que cada agente um mdulo nico e independente do outro ficando
mais fcil adicionar outros agentes a estes sistemas . Para Giraffa (1998) as
vantagens so as seguintes:
- conhecimento pode ser distribudo entre vrios tutores, cada um com
suas crenas, desejos, objetivos, emoes e planos de ao. Esta
distribuio cria maiores oportunidades de variar tcnicas pedaggicas;
- o aprendiz interage com um tutor de forma mais flexvel;

218

XI SEMINCO - Seminrio de computao - 2002

aprendiz pode passar conhecimentos ao tutor que sero repassados a


outros aprendizes.
Conforme Webber, (2001), as tecnologias baseadas na Web em conjunto com
metodologias multiagentes formam uma nova tendncia na modelagem e
desenvolvimento de ambientes de aprendizagem. A Educao baseada na Web tem
sido extensivamente pesquisada, onde os benefcios de aprendizagem so grandes.
Como por exemplo, alcance da informao sem condicionamento ao espao fsico,
facilidade de atualizar o contedo, etc. Entretanto, as metodologias multiagentes
tem surgido com uma alternativa para conceber aplicaes de aprendizagem
distribuda, devido ao conjunto de caractersticas inerentes ao conceito de SMA e
as peculiaridades de uma sociedade de agentes.
A principal razo para isto deve-se ao fato que esta tecnologia lida muito bem
com aplicaes criticas, tais como: distncia, cooperao entre diferentes entidades
e integrao de diferentes componentes de software.
Segundo Vassileva (2001), no futuro, os ambientes da aprendizagem estaro
acessveis a qualquer lugar e a qualquer hora. Os estudantes desses ambientes
estaro distribudos no espao e no tempo. Logo, trabalhos que utilizam
arquiteturas multiagentes oferecem uma promissora abordagem para o projeto
desses ambientes, desde que estes ambientes sejam distribudos. Com a
modularidade e a uniformidade dos agentes e com a padronizao dos protocolos
de interao, o nvel de escalabilidade e interoperao podem ser alcanados, o que
no pode ser conseguido to facilmente com o uso de outras tcnicas. As
arquiteturas multiagentes permitem o constante crescimento e a heterogeneidade
do ambiente de software.
Os avanos mais recentes no campo dos ambientes de aprendizagem
inteligentes, tm proposto o uso de arquiteturas baseadas em sociedades de
agentes. Os princpios dos sistemas multiagentes tm mostrado um potencial
bastante adequados ao desenvolvimento de sistemas de ensino, devido ao fato de a
natureza do problema de ensino-aprendizagem ser mais facilmente resolvido de
forma cooperativa, Bica (1998). Alm disso, ambientes de ensino baseados em
arquiteturas multiagentes possibilitam suportar o desenvolvimento de sistemas de
forma mais robusta, mais rpida e com menores custos.

3 STI desenvolvidos com a tecnologia de agentes


Nesta seo sero apresentados brevemente alguns STI desenvolvidos com a
utilizao da tecnologia de Agentes. Este levantamento ter como finalidade
principal, fornecer elementos para uma anlise a fim de identificar padres
utilizados no desenvolvimento destes sistemas. Os ambientes analisados so:
White Rabbit - Thibodeau (2000) - um sistema desenvolvido pelo
Departamento de Informtica e Pesquisa Operacional da Universidade de Montreal
(Montreal Canad), este sistema tem como objetivo aumentar a cooperao entre
um grupo de pessoas pela anlise de suas conversaes. Cada usurio assistido

Estudo comparativo sobre Sistemas Tutores Inteligentes Multiagentes Web

219

por um agente inteligente, o qual estabelece um perfil de seus interesses. Com o


comportamento mvel e autnomo o agente pesquisa agentes pessoais de outros
usurios, afim de encontrar aquele que tenham interesses comuns e ento os
colocam em contato.
LeCS - Rosatelli (2000) - foi desenvolvido pelo Departamento de
Computao e Estatstica da UFSC (Santa Catarina Brasil), em conjunto com a
Universidade do Vale do Itaja (Univali) e a Unidade de Aprendizagem Baseada
em Computador da Universidade de Lees (Leeds UK). LeCS pode ser
caracterizado como um sistema inteligente para o ensino a distncia. LeCS d
suporte aprendizagem colaborativa atravs da Web usando o mtodo de ensinar
com estudos de casos (Case Based Resoning - CBR).
LANCA - Frasson (1998) - desenvolvido pelo grupo do Departamento de
Informtica e Pesquisa Operacional da Universidade de Montreal (Montreal
Canad) e da Unidade de Informtica da Universidade de Pau (Bayonne Frana).
LANCA apresenta as principais caractersticas dos agentes para um ambiente de
aprendizagem distncia, bem como suas funes em ambientes distribudos.
Prope, tambm uma arquitetura para o ambiente com a especificao dos papis
dos diferentes agentes inteligentes que compem a sociedade.
Baguera - Webber, (2001) - desenvolvido pela Universidade de Grenoble
(Grenoble Frana). Seu objetivo desenvolver uma fundamentao terica e
metodolgica para guiar a concepo e modelagem de ambientes de aprendizagem.
A plataforma Baguera est fundamentada no princpio que a funo educacional do
sistema est nas interaes organizadas entre os componentes: agentes e humanos
e, no meramente na funcionalidade de uma de suas partes. O primeiro resultado
desse projeto inclui uma arquitetura multiagente baseada na Web para ambientes
de aprendizagem e um prottipo para a aprendizagem de geometria.
I-Help - Vassileva (2001) - desenvolvido pela Universidade de Saskatchewan
Canad), este projeto descreve uma infraestrutura multiagente para o I-Help, um
ambiente de aprendizagem baseado na Web para auxiliar aprendizes na soluo de
problemas. O sistema contm uma variedade de recursos da aprendizagem, fruns,
materiais on-line, chat, etc.
Explanantion Agent - Zouaq (2000) - desenvolvido pelo Departamento de
Informtica e Pesquisa Operacional da Universidade de Montreal (Montreal
Canad), tem como objetivo principal prover respostas ou explicaes sobre o
contedo com maior qualidade, identificando problemas que possam ocorrer
durante o processo de explicao ou resoluo de problemas. Ele tem dois
objetivos especficos: descobrir a fonte do mal entendimento do aprendiz atravs
do modelo do estudante, e ajudar o projetista do curso a adaptar suas explicaes
de acordo com estas observaes. utilizado a teoria de Mapas Conceituais para
estruturar as explicao em uma representao formal.
AME-A - D'amico (1997, 1998) - um ambiente multiagente de ensinoaprendizagem, no qual se prope o estudo e o desenvolvimento de um sistema
educacional interativo para o ensino distncia. A proposta o ensino genrico e

220

XI SEMINCO - Seminrio de computao - 2002

adaptvel s caractersticas psico-pedaggicas do aprendiz. As caractersticas


principais do sistema so a aprendizagem esttica e a aprendizagem dinmica. A
aprendizagem esttica corresponde a primeira interao do aprendiz com o
ambiente, onde um agente modela o aprendiz conforme suas caractersticas
afetivas, motivao e nvel de conhecimento. A aprendizagem dinmica ocorre
durante a interao, quando validado o modelo de aluno e estratgias
pedaggicas em vigor.
Eletrotutor III - Bica (1998) - desenvolvido no Instituto de Informtica da
Universidade Federal do Rio Grande do Sul -UFRGS, este sistema, em sua 3
verso, implementa um ambiente distribudo de ensino-aprendizagem inteligente
(Intelligent Learning Environment - ILE) baseado em uma arquitetura multiagente,
na qual os agentes possuem as seguintes caractersticas: perceber dinamicamente as
condies do ambiente; tomar decises para afetar condies do ambiente;
interpretar percepes, resolver problemas, extrair inferncias e determinar aes.
O ambiente Eletrotutor aborda o contedos de Eletrodinmica, Eletricidade, etc.
Modelo computacional baseado na teoria de Vygotsky - Andrade (2001) Este trabalho est sendo desenvolvido pelo Programa de Ps-Graduao em
Informtica na Educao da Universidade Federal do Rio Grande do Sul - GIEUFRGS, Programa de Ps-Graudao em Computao - PPGC-UFRGS e a
Faculdade de Informtica da Pontifcia Universidade Catlica do Rio Grande so
Sul - FACIN-PUCRS, o qual descreve uma proposta de um framework para uso da
Tecnologia da Informao na educao. Esta baseado na teoria socio-cultural de
Vygotsky e projetado como uma sociedade multiagente para suportar a
aprendizagem distncia.

4 Estudo Comparativo sobre as arquiteturas selecionadas


Esta seo apresenta o resultado do estudo comparativo dos ambientes
identificados na seo anterior.
Os resultados foram organizados em um quadro comparativo, Quadro 1, onde
so destacados o conjunto de aspectos considerados relevantes para nosso estudo,
afim de se identificar o conjunto de requisitos utilizados pelos autores para
modelar/implementar os ambientes inteligentes Web que utilizam a tecnologia de
agentes.
O preenchimento do quadro segue a seguinte conveno: cada clula possui
uma descrio de como o STI atende este critrio. No caso do critrio Atividades
dos Agentes (Tipo, Nome e atividade) inserimos os smbolos: c e/ou d, para
indicar o tipo de agente, de acordo com as caractersticas que apresentam em
relao s atividades que desempenham no ambiente de ensino-aprendizagem. O
smbolo c identifica que o agente em questo do tipo Executor de Tarefas e o
smbolo d identifica que o agente tipo Assistente. Esta classificao ser
detalhada e justificada na seo 4.1.

Estudo comparativo sobre Sistemas Tutores Inteligentes Multiagentes Web

Nome
Itens

White Rabbit
Aumentar
a
cooperao entre um
grupo de pessoas pela
anlise
de
suas
conversaes.
Independente de
domnio

Objetivo

Domnio
Quantidade
de agentes

3
c Agente Interface:
armazena
as
informaes
obtidas
pela interao com a
interface do ambiente;
realiza
intervenes
sobre o tempo e
participao, etc.
d Agente Informao:
lida com o domnio e o
conhecimento
pedaggico.
d Agente Conselheiro:
realiza
intervenes
quando
um
mal
entendimento do aluno
percebido.

Atividades dos
agentes
(Tipo, nome e
atividade)

Modelo do
Aluno

Interface
Grfica
Ferramentas
auxiliares

Independente de
domnio

c Agente Pessoal:
responsvel por obter
informaes
dos
alunos; gerenciar a
interface grfica, etc.
d Agente Mediador:
facilita a comunicao
entre
os
agentes
pessoais; gerencia o
processo de clustering
para a construo do
modelo do aluno, etc.

Comunicao
Linguagem
e/ou
Ferramenta
Arquitetura
SMA utilizada
Estratgias
de Ensino

LeCS

AME-A

Dar
suporte
Prope-se
ao
ensino
aprendizagem
genrico e adaptvel s
colaborativa atravs da caractersticas
psicoWWW.
pedaggicas do aprendiz
Independente de domnio

221

Lanca
Expor
que
agentes
inteligentes em STI
podem ser adaptados
para aprendizagem
distncia
Independente de
domnio

d Agente Aprendizagem
No
Supervisionada: d Agente Pedaggico:
gerencia a aprendizagem supervisionar
a
livre (sem superviso).
aprendizagem.
d
Agente
Dilogo:
c
Agente
Promove fornece
ajuda
e
Interao:
auxilia
na explicao ao aluno.
interao do participantes c Agente Negociador:
(Aluno e professores).
negocia informaes na
Web
com
outros
d Agente Ferramentas
agentes.
Para Professor: orientar o
c Agente Moderador:
professor e armazenar o
avaliar e melhorar a
material do curso.
funcionalidade
do
d Agente Modela Aprediz:
sistema.
personaliza
o
ensino
conforme o modelo do
aluno.
d
Agente
Seleciona
Estratgia: seleciona a
estratgia
apropriada
conforme o perfil do aluno.
c
Agente
Orienta
Aprendizagem: busca e
apresenta o material de
ensino.
d
Agente
Orienta
Avaliao:
auxilia no
processo de avaliao.
d
Agente
Analisa
Aprendizagem: analisa e
verifica a aprendizagem
durante a interao.
?
?

KQML

Supostamente Java,
JavaScript e HTML

Delphi

Java

Sociedade
heterognea e aberta
Mltiplas estratgias
de ensino

Sistema Federativo de
Agentes
Mltiplas estratgias
de ensino

Sociedade heterognea
e fechada
Mltiplas estratgias de
ensino

Rede neural

Sociedade heterognea e
fechada
Mltiplas estratgias de
ensino
Modelos pr-definidos, 4
pares
de
modelos:
Extrovertido Introvertido;
Sensitivo

Intuitivo;
Emocional
Racional;
Perceptivo Julgador,
gerando
16
perfis
psicolgicos, classificados
por uma Rede Neural.

Grfica interativa

Grfica interativa

Grfica interativa

Grfica interativa

Browser e chat

Browser, chat e editor


de texto.

Browser e chat

Quadro 1: Quadro comparativo sobre os ambientes selecionados

222

XI SEMINCO - Seminrio de computao - 2002

Nome
Itens

Objetivo

Domnio
Quantidade
de agentes

Baguera

Explanation Agent

Desenvolver uma
fundamentao
terica
e
metodolgica para
guiar a concepo
e modelagem de
ambientes
de
aprendizagem.

Prover respostas ou
explicaes sobre o
contedo
com
maior
qualidade,
identificando
problemas
que
possam
ocorrer
durante o processo
de explicao ou
resoluo
de
problemas.
Independente de Independente
de
domnio
domnio
1 para cada usurio
5
do sistema
c
Agente
Companheiro do c
d
Agente
Estudante:
Explicao:
monitora as aes apresenta
do estudante, etc. explicaes
adaptadas
ao
d Agente Tutor: modelo
do
modela as aes aprendiz.
do aluno, etc.

d
Agente
Mediador:
intermedia
as
solues do aluno
com
um
Solucionador
Atividades dos apropriado, etc.
agentes
c
Agente
(Tipo, nome e Companheiro do
atividade)
Professor:
interface
do
sistema com o
professor, auxilia o
professor sobre o
processo
de
aprendizagem, etc.
c
Agente
Assistente: agente
pessoal
do
professor, auxilia
na distribuio de
novas atividades,
etc.
Comunicao
Linguagem e/ou
Ferramenta
Arquitetura SMA
utilizada
Estratgias
de Ensino
Modelo do
Aluno
Interface Grfica
Ferramentas
auxiliares

Modelo de
Vygotsky

Eletrotutor

I-Help

Desenvolver
um
instrumento
para
verificar a eficcia do
uso de diferentes
de
abordagens
ambientes de ensino
por computador na
escola

Auxiliar estudantes
na soluo de
problemas atravs
da Web

Propor
um
ambiente
que
a
privilegie
colaborao como
forma de interao
social atravs do
uso de linguagens,
smbolos e sinais.

Fsica
(Eletrodinminca)

Independente de
domnio

Independente de
domnio

c
Agente
Gerenciador Domnio:
recupera informaes
referentes
ao
domnio, etc.
d
Agente
Gerenciador
de
Exerccio:
prope
exerccios e avalia
respostas.
c
Agente
Gerenciador
de
Exemplo: apresenta
exemplos ao aluno.
d
Agente
Gerenciador
de
Atividades:
prope
atividades extras ao
aluno.
d
Agente
Gerenciador
do
Modelo do Aluno:
constri e mantm o
modelo do estado
cognitivo do aluno.
c Agente Interface:
controla a interface do
ambiente.
c
Agente
Gerenciador
de
Comunicao:
gerencia a interface
do ambiente com os
demais agentes.

c
d
Agente
Pessoal: controla
recursos
especficos
dos
usurios (alunos
ou professores)
c d Agente de
Aplicao: controla
recursos
especficos
das
aplicaes.

d Agente ZPD:
responsvel
por
observar
o
desenvolvimento e
propor atividades.
c
Agente
Mediador:

responsvel pela
interface entre o
sistema
e
o
estudante.
d Agente Social:
estabelece
a
da
integrao
sociedade
e
constri modelos
grupos
de
de
estudantes.
d
Agente
Semitico: auxilia
na
atividade
cognitiva
do
estudante.
c
Agente
Humano:
estabelece
relacionamento
social com cada
agente conforme
suas
caractersticas
pessoais.

KQML

KQML

KQML

KQML

JATLite

Java

Java

Sociedade
heterognea e
aberta

Sistema Federativo,
sociedade
heterognea e
fechada

Sociedade
heterognea,
aberta e baseada
em leis.
Mltiplas
estratgias de
ensino

Mltiplas
estratgias de
ensino

Mltiplas
Mltiplas estratgias
estratgias de
de ensino
ensino
Modelo de
Modelo de
?
Pertubao (Buggy) Pertubao (Buggy)
Grfica interativa
Grfica interativa
Grfica interativa
?

Browser

Browser

Grfica interativa Grfica interativa


Browser, frnuns e
?
chat

Quadro 1: Quadro comparativo sobre os ambientes selecionados (continuao)

Estudo comparativo sobre Sistemas Tutores Inteligentes Multiagentes Web

223

Utilizamos (?), para indicar, simplificadamente, a dvida dos autores deste


texto (autor e orientadora) em relao ao posicionamento do STI em relao um
determinado aspecto, e tambm pelo fato de no conseguirmos, a partir das
informaes disponveis nos textos e/ou figuras, se as concluses que chegamos
seriam corretas ou no. Em alguns casos colocamos nossa interpretao a partir das
informaes disponveis, por julgarmos que o conjunto de indicadores nos dava um
alto grau de certeza.
Os itens que foram considerados relevantes para compor o quadro
comparativo so: Objetivo, Domnio, Quantidade, nome e atividades dos agentes,
Comunicao, Linguagem/Ferramenta de desenvolvimento, Arquitetura SMA,
Estratgias de Ensino, Modelo do Aluno, Interface Grfica e Ferramentas
auxiliares.
4.1 Resultado da anlise comparativa
O estudo apresentado neste trabalho foi resultado da avaliao de alguns STI
selecionados conforme os critrios apresentados na introduo deste artigo. Esse
estudo nos permitiu levantar requisitos e funcionalidades necessrios para a
definio de aspectos relevantes para o projeto de STI que utilizam a tecnologia de
agentes para sua concepo. A seguir apresentaremos a anlise comentada dos
itens discutidos na seo anterior.
Quanto ao objetivo, a maioria dos ambientes na Web, no apresentam uma
proposta para um contedo especfico, ou seja, suas propostas so independentes
do domnio/contedo.
Nos STI tradicionais, os domnios modelados eram essencialmente domnios
lgicos, bem estruturados e muito restritos, tais como: ensino de Matemtica,
Fsica, Linguagens de Programao, etc. Com a incorporao da tecnologia de
Agentes no projeto e desenvolvimento de STI, verificou-se que os contedos
passaram a ser variados, ou seja, o contedo passou a ser modelado
independentemente do domnio.
Segundo Vassileva (1997, 2001), os agentes quando desempenham tarefas
e/ou atividades em aplicaes voltadas para suporte ao processo de ensinoaprendizagem so denominados de Agentes Pedaggicos.
Afim de melhor auxiliar o tipo de atividade dos Agentes Pedaggicos nos
ambientes analisados, caracterizamos um conjunto de possveis funcionalidades ou
atividades que os agentes podem desempenhar num ambiente dessa natureza
(Aplicao Educacional), de acordo com as atividades comuns apresentadas pelos
agentes nos ambientes analisados. A Figura 1 apresenta a subdiviso das atividades
de um Agente Pedaggico.

224

XI SEMINCO - Seminrio de computao - 2002

Conjunto de atividades de suporte ao Processo


de ensino-aprendizagem

Agentes Pedaggicos

Atuao indireta

Executor de
Tarefas

Atuao Direta

Assistentes

Figura 1: Subdiviso de um Agente Pedaggico no processo de ensino-aprendizagem

De acordo com a Figura 1, podemos observar que conjunto de atividades que


do suporte ao processo de ensino-aprendizagem dos Agentes Pedaggicos, pode
ser de duas formas distintas de atuao: atuao direta e atuao indireta. Na
atuao direta, o processo se d pelas seguintes tarefas: coleta de informaes
(especialmente na Web); enviar mensagens para outros agentes ou para o aluno;
monitorar a interface para identificar o tipo de atividade que o aluno est
desempenhando; etc. Todas essas atividades so realizadas pelo Executor de
Tarefas. importante salientar que o papel do Executor de Tarefas no est
relacionado diretamente com a parte pedaggica, ou seja, a seleo e adoo de
estratgias do estudante.
J na atuao indireta, o processo realizado, pelo que denominamos de
Assistentes, cujas tarefas so: intermediar e/ou analisar o fluxo de informaes
entre os estudantes; selecionar informaes e/ou materiais; relacionar e determinar
estratgias de ensino para os estudantes e realizar o processo de modelagem do
aluno. O que se observou que os agentes do tipo Assistentes na realidade
executam as tarefas do mdulo tutor, na arquitetura clssica de STI.
A troca da palavra Tutor para Assistente se justifica pela troca de
paradigma educacional. Lembrar que nas dcadas de 70 e 80, do sculo XX, o
paradigma utilizado era comportamentalista. A difuso e adoo do paradigma
construtivista, a partir da dcada de 90, do mesmo sculo, mudou a concepo do
papel do professor. Isto pode ser claramente observado nas propostas mais
modernas, com a referncia ao Agente Assistente (Mediador, Moderador,
Gerenciador, Negociados, Facilitador, etc).
O Agente Executor de Tarefas pode buscar informaes, executar instrues
solicitadas pelo Agente Assistente. Basicamente, ele faz o papel de auxiliar do
Agente Assistente, desempenhando tarefas que so importantes para a tomada de
deciso ou execuo do (s) plano (s) adotado pelo Agente Assistente.
Ambientes que possuem mais de um agente, praticamente exigem troca de
informaes. Neste sentido, torna-se claro a necessidade de uma Linguagem de
Comunicao comum. A linguagem de comunicao entre os agentes, utilizada na
grande maioria dos ambientes estudados foi a linguagem KQML.

Estudo comparativo sobre Sistemas Tutores Inteligentes Multiagentes Web

225

A Linguagem de Implementao utilizada determina a portabilidade,


performance, bem como recursos audiovisuais que podem ser utilizados no
sistema. Dentre os STI citados, os ambientes portveis so White Rabit, AME-A,
Eletrotutor III, e o Modelo Computacional proposto por Andreade (2001), que
foram desenvolvidos em Java (Ver critrios tcnicos no Quadro 1 - seo 4) e que,
portanto, podem ser executados em qualquer navegador World Wide Web
(browser) ou sistema operacional que possua suporte Java. O ambiente LeCS foi
desenvolvido utilizando a linguagem Delphi. J o ambiente Baguera foi
desenvolvido com a Ferramenta JATLite, a qual possui um conjunto de programas
Java, que possibilitam a criao rpida de agentes que podem comunicar-se pela
Internet.
A maioria dos trabalhos analisados no descrevem a forma como esta
organizada e/ou estruturada a sociedade ou a arquitetura do sistema. Entretanto,
podemos supor que vrios ambientes apresentam caractersticas em que sua
sociedade considerada uma sociedade heterognea e fechada e possuem regras de
comportamento para seus agentes.
Arquitetura de agentes refere-se ao modo de organizao dos agentes dentro
de um sistema e como esto estruturados seus relacionamentos e interaes.
As Estratgias de Ensino podem ser vistas como esquemas de planos que
definem formas de apresentar o material instrucional ao aluno, Giraffa (1997).
Segundo Giraffa (1998), a seleo do conjunto de estratgias de ensino que
ser utilizada no STI um aspecto muito importante para garantir a qualidade
pedaggica do ambiente de ensino-aprendizagem. A seleo de uma estratgia
depende de diversos fatores, tais como: o nvel de conhecimento do estudante, o
domnio, a motivao e as caractersticas afetivas do mesmo e outras.
Pode-se dizer que os STI apresentam, na sua maioria, os seguintes tipos de
estratgias de ensino, Giraffa (1998): Socrtico, Reativos, Treinamento, Assistente
e Troublemaker .
Muitos sistemas selecionam e adotam mais de uma estratgia. Isso ocorre
porque os sistemas geralmente tem mais de um objetivo, princpios diferentes de
instruir, diferentes mtodos de estruturar o conhecimento, etc. Conforme Giraffa
(1998), modelo do aluno representa o conhecimento e as habilidades cognitivas do
aluno em um dado momento. A partir desse modelo e do contedo a ser ensinado,
o sistema deve ser capaz de inferir a melhor estratgia de ensino a ser utilizada.
Nos ambientes analisados so utilizadas diversas maneiras para construir o
modelo do aluno. Listamos a seguir algumas delas: incluir um reconhecimento de
padres aplicados ao histrico das respostas fornecidas por ele; comparar a conduta
do aluno com a de um especialista e verificar os pontos em comum; acrescentar as
preferncias do aluno; incluir seus objetivos particulares e observar as coisas que o
aluno sempre costuma esquecer quando interage com o tutor.
O modelo do aluno pode ser representado sob alguns modelos de descrio,
tais como: Modelo diferencial, Modelo de Overlay ou Superposio, Modelo de

226

XI SEMINCO - Seminrio de computao - 2002

Perturbao (Buggy), Modelo de Simulao, Modelo de Crenas, Modelo de


Agentes.
Na grande maioria dos trabalhos avaliados, no foi encontrada a citao
explcita do tipo de modelo do aluno. Entretanto, todos trabalham, basicamente, no
tratamento do erro cometido pelo aluno, quando est resolvendo um exerccio ou
uma tarefa proposta. A forma como este erro tratado utiliza muito dos modelos
de Buggy, ou Perturbao utilizados nos STI clssicos. Somente, nos ambientes
White Habbit e AME-A, o modelo do aluno construdo sob uma rede neural
construda atravs do algoritmo de aprendizagem Map Koronen para a criao de
clusters para cada perfil.
Para qualquer sistema interativo, a Interface Grfica de suma importncia.
Em relao esse aspecto, todos os ambientes analisados possuem interface grfica
interativa. No desenvolvimento de STI a preocupao com este aspecto no
diferente. Pelo contrrio, segundo Giraffa (2000), na interao que o sistema
tutor exerce duas de suas principais funes, que so: apresentao do material
instrucional e a monitorao do progresso do estudante atravs da recepo da
resposta do aluno.
Em relao s ferramentas auxiliares que foram incorporadas nos ambientes,
podemos dizer que ferramentas tais como: browser e chat so essenciais por
darem suporte comunicao em ambientes baseados na Web.

5 Consideraes finais
Os STI representam uma interessante ferramenta para ambientes de ensinoaprendizagem computadorizados. Entretanto, os maiores problemas associados a
estes tipos de sistema so seu alto custo financeiro e o elevado tempo de
desenvolvimento, pois necessitam de uma grande equipe interdisciplinar.
Muitas decises nesta rea de pesquisa so, ainda, baseadas em experimentos
empricos, em observaes ou questes intuitivas. Isto, provavelmente, deve-se ao
fato de a prpria questo da aprendizagem humana ainda ser uma matria de
especulao e controvrsia. E pelo fato de o projeto de um software educacional
implicar em uma srie de tomadas de deciso que vo desde o aspecto tcnico at o
pedaggico. Dessa forma, isso levou os pesquisadores a trabalharem em equipes
interdisciplinares, com profissionais da rea da Educao, Psicologia, Computao
e especialistas de outras reas afins, tornando muito mais complexo o
desenvolvimento de tais sistemas.
Com este estudo, conclumos que o desenvolvimento de STI que utilizam a
tecnologia de agentes ainda no possuem uma metodologia clara e estabelecida,
isso ocorre devido ao fato de a prpria tecnologia de agentes no possuir uma
especificao clara e concisa. STI so uma aplicao e, como tal, refletem a
questo crucial da rea de SMA onde a no-padronizao da modelagem ou
inexistncia de metodologias para se especificar SMA uma grande questo em
aberto.

Estudo comparativo sobre Sistemas Tutores Inteligentes Multiagentes Web

227

O extenso trabalho de pesquisa desenvolvido para a elaborao deste artigo


permitiu-nos identificar o estado da arte no que concerne STI que utilizam a
tecnologia de agentes para a sua modelagem e implementao. Espera-se, com este
trabalho, ter contribudo para a discusso das questes em aberto envolvendo a
modelagem de STI utilizando a tecnologia de agentes.

Referncias bibliogrficas
ANDRADE, Adja F. de; JAQUES, Patrcia A.; JUNG, Joo Luiz; BORDINI,
Rafael H.; VICARI, Rosa M.. A Computacional Model of distance
Learning Based on Vygotskys Socio-cultural Approach. Workshop
Multi-Agent Architectures for Distribuited Learning Environments.
Procedings International Conference on AI and Education, San Antonio,
Texas, May, 2001. P.33-40.
BICA, Francine; SILVEIRA, R. A.; VICCARI, R. ELETROTUTOR III Uma
abordagem Multiagentes. IX Simpsio Brasileiro de Informtica na
Educao/SBIE Fortaleza, Novembro 1998.
D'AMICO, C. B; VICCARI, R. M.; ALVARES, L.O. A Framework for
Teaching and Learning Environments. In: SIMPSIO DE
INFORMTICA NA EDUCAO, VIII, 1997, So Paulo, SP.
D'AMICO, C. B.; PEREIRA, A. S.; GEYER, C. F. R.;VICCARI, R. M.
Adapting Teaching Strategies in a Learning Environment on WWW. In:
Proceedings of the WebNet World Conference of the WWW, Internet &
Intranet. Florida, USA. 1998.
FRASSON, Claude; MARTIN, Louis; GOUARDERES, Guy; AIMEUR, Esma.
LANCA: A Distance Learning Architecture Based on Networked
cognitive Agents. In Lectures Notes in Computer Science. Inteligent Tutoring
Systems. Procedings of 4th International Conference, ITS 1998, San Antonio,
Texas, August 1998. P.594-603.
GIRAFFA, Lcia. M. Martins. Seleo e adoo de estratgias de Ensino em
Sistemas Tutores Inteligentes. Porto Alegre. CPGCC/UFRGS, 1997. (Exame
de Qualificao)
GIRAFFA, L. M. M. Uma arquitetura de tutor utilizando estados mentais.
Porto Alegre: CPGCC da UFRGS, 1998. Tese de Doutorado.
GIRAFFA, L. M. M. STI modelados atravs de uma sociedade de agentes.
Disponvel em: <http://www.edukbr.com.br/portal.asp>. Acesso em
Novembro. 2001.
GRER, Denise. The Use of Distributed Agents in Intelligent Tutoring. In:
ITS98 Workshop On Pedagogical Agents, 4, 1998, San Antonio. p.20-25.
JENNINGS, N. R.; FARATIN, P.; JOHNSON, M. J.; O'BRIEN, P.; WIEGAND,
M. E. Using Intelligent Agents to Manage Business Processes, Proceedings

228

XI SEMINCO - Seminrio de computao - 2002

of First International Conference on The Practical Application of Intelligent


Agents and Multi-Agent Technology (PAAM96), London, UK, 345-360.
ROSATELLI, M.C., Self, J.A. and Thiry, M. LeCS: a collaborative case study
system, in G. Gauthier, C. Frasson and K. VanLehn (eds.), Intelligent
Tutoring Systems, Berlin: Springer-Verlag, p232-241, 2000.
RUSSELL, Stuart; NORVIG, Peter. Artificial Intelligence: A Modern
Approach. Prentice Hall Series in Artificial Intelligence, New Jersey, 1995.
SHOHAM, Y. Agent-oriented Programming. Artificial Intelligence. 1993.
THIBODEAU, Marc-Andr; BLANGER, Simon; FRASSON, Claude. WHITE
RABBIT Matchmaking of User Profiles Based on discussion analysis
Using Intelligent Agents. In Lectures Notes in Computer Science. Inteligent
Tutoring Systems. Procedings of 5th International Conference, ITS 2000,
Montreal, Canada, June 2000. P.113-122.
VASSILEVA J. Adaptive Systems and User Modeling on the World Wide
Web. The 6-th International Conference on User Modeling, UM'97. ChiaLaguna, Sardinia, June. 1997.
VASSILEVA, Julita; DETERS, Ralph; GEER, Jim; MCCALLA, Gord; BULL,
Susan; KETTEL, Lori. Lessons from Deploying I-Help. Workshop - MultiAgent Architectures for Distribuited Learning Environments. Procedings
International Conference on AI and Education, San Antonio, Texas, 2001.
WEBBER, Carine; BERGIA, Loris; PESTY, Sylvie; BALACHEFF, Nicolas. The
Baghera project: a multi-agent architecture for human learning.
Workshop Multi-Agent Architectures for Distribuited Learning
Environments. Procedings International Conference on AI and Education, San
Antonio, Texas, May, 2001. P.12-17.
WOOLDRIDGE, M.; JENNINGS N. R.. Intelligent Agents: Theory and
Practice. In Knowledge Engineering Review 10(2), 1995.
ZAMBONELLI, F.; Jennings, N. R.; Omicini, A.; Wooldridge, M.. AgentOriented Software Engineering for Internet Applications. In A. Omicini,
F. Zambonelli, M. Klusch and R. Tolksdorf, editors, Coordination of Internet
Agents, Springer Verlag.
ZOUAQ, Amal; FRASSON, Claude; ROUANE, Khalid. The Explanation
Agent. In Lectures Notes in Computer Science. Inteligent Tutoring Systems.
Procedings of 5th International Conference, ITS 2000, Montreal, Canada, June
2000. P.554-563.