Você está na página 1de 10

Uma Ferramenta Web para Suporte na Formao de Grupos Scio-Afetivos Utilizando Algoritmos de Clustering

Jos Ahirton Batista Lopes Filho1, Ccero Costa Quarto1, Ivanildo Abreu1, Rmulo Martins Frana2
1

Centro de Cincias Tecnolgicas - Universidade Estadual do Maranho (UEMA) So Lus, MA Brasil

Universidade Virtual do Estado do Maranho (UNIVIMA) So Lus, MA - Brasil


ahirton@hotmail.com, cicero@engcomp.uema.br, ivanildoabreu@yahoo.com.br, romulomf@gmail.com

Abstract. With the advent of the internet and with the development of the informational and communicational technologies, there was an increase at the utilization of collaborative learning, where socio-affective factors and computer supported collaborative learning groups have an important role. In collaborative learning activities, the socio-affective abilities of a person need to be conjugated with others abilities, in order to be successful at the group work. Therefore this paper is concerned in presenting a Web tool wich will support the construction of socio-affective collaborative groups using Clustering Algorithm. Resumo. Com o advento da Internet e o desenvolvimento das tecnologias de informao e comunicao (TICs), houve um crescimento na utilizao da aprendizagem colaborativa, onde fatores scio-afetivos e grupos de aprendizagem colaborativos apoiados por computador tm um importante papel. as atividades colaborativas de aprendizagem, as habilidades scioafetivas de um indivduo precisam ser conjugadas com as de outros, a fim de obterem sucesso em um trabalho coletivo. Portanto, esta pesquisa vem propor uma ferramenta Web que fornecer suporte formao de grupos colaborativos scio-afetivos utilizando Algoritmo de Clustering.

1.Introduo
Atualmente, tanto no Brasil quanto no exterior, h uma tendncia ao crescimento do denominado ensino colaborativo atravs de tecnologias de ltima gerao, evidenciando um novo modelo de universidade com novas modalidades pedaggicas de ensinoaprendizagem. O ambiente conectivo possibilita conexes rpidas e flexveis entre indivduos, grupos e sociedades. J o ambiente colaborativo permite a utilizao das conexes para a resoluo conjunta de problemas e a produo de novos conhecimentos. E, por fim, o ambiente comunicativo permite a construo de um significado mtuo para os novos conhecimentos Colossi et al., [apud Monteiro, Cosentino e Merlin, 2000; Woods Jr, 2000; Cena, 2000]. Ainda para Colossi et al., [apud Monteiro, Cosentino e Merlin, 2000; Woods Jr, 2000; Cena, 2000], nesta nova tendncia desejam-se professores e alunos que interajam nesse ambiente colaborativo como verdadeiros construtores de disciplinas, num processo evolutivo que transforma a disciplina, adequando-a s necessidades do ambiente. Os professores, atuando como verdadeiros tutores dos alunos, e os alunos, transformados de simples receptores passivos do conhecimento em solucionadores de problemas, construiro um todo agindo diretamente na construo da disciplina e no perfil profissional dos alunos. A Aprendizagem Colaborativa Apoiada por Computador (CSCL, do ingls, Computer Supported Collaborative Learning) um mtodo que consiste em agregar indivduos e faz-los colaborarem atravs de ferramentas computacionais, possui tambm potencial para apoiar a aprendizagem em grupo interativamente, o que tem convencido muitos educadores de que estes ambientes so o futuro das prximas geraes de ferramentas educativas para ensino a distncia [Kreijns et al., 2002]. Esse tipo de aprendizagem, principalmente em grupo, pode suprir necessidades advindas do ensino presencial tais como a falta de salas de aula, desnivelamento dos conhecimentos dos alunos, problemas de acompanhamento de aprendizagem entre outros, levando em conta que os ambientes colaborativos apoiados por computador tendem a facilitar a comunicao e objetivam a aproximao do grupo [Vilela, 2006]. Portanto, este trabalho norteado em avanar no estado da arte de ambientes de ensino-aprendizagem colaborativos apoiados por computador, bem como propor uma ferramenta Web especfica que coleta os tipos de temperamento/carter de cada aluno, de forma que estas informaes coletadas possam ser usadas como suporte ao Algoritmo de Clustering para a formao de grupos colaborativos. Para efeito de roteiro, este trabalho encontra-se organizado da seguinte maneira. A Seo 2 descreve a Fundamentao Terica. Na Seo 3 so descritas as Metodologias de Implementao da Ferramenta Computacional. Na Seo 4 so apresentadas as Concluses e Trabalhos Futuros e finalmente, na Seo 5 so apresentadas as Referncias.

2. Fundamentao Terica
2.1 Afetividade em ambientes de ensino-aprendizagem A afetividade sempre ter papel fundamental na natureza, e, portanto, nas interaes colaborativas de ensino-aprendizagem. Inclusive, estudantes que trabalham juntos em funo da afinidade social no precisam negociar as regras de colaborao, pois

conseguem estabelecer modos de interao que so explicitamente entendidos pelo grupo [Issroff et al. apud Jones e Issroff, 2005]. A afetividade atua no desenvolvimento intelectual na forma de motivao e interesse, bem como atuando na construo das relaes do ser humano dentro de uma perspectiva social e cultural [Ballone, 2004]. De acordo com Piaget [apud Jaques & Viccari, 2004], afetividade representa todos os movimentos mentais conscientes e inconscientes no-racionais, sendo o afeto um elemento indiferenciado do domnio da afetividade. A afetividade um atributo psquico que d o valor e representa a realidade [Ballone, 2004]. Quanto mais informaes de natureza social e afetiva houver dos estudantes, mais condies existiro para a definio dos grupos, na busca da interao e da cooperao em ambientes de aprendizagem colaborativos assistidos por computador [Quarto et al., 2007]. 2.2 Ambientes CSCL Os ambientes de Ensino-Aprendizagem Colaborativos Apoiados por Computador (CSCL) permitem aos estudantes estarem geograficamente separados, porm juntos nas atividades de aprendizado, encontrando-se e discutindo a qualquer hora, dispensando a necessidade de estarem fisicamente presentes na mesma localidade, encorajando a participao dos envolvidos no processo educacional independentemente de tempo e espao [Lima, 2006 apud Kreijns et al., 2002]. Ainda segundo Lima (2006), uma das deficincias dos sistemas educacionais vigentes at ento era que o processo de ensino-aprendizagem era executado individualmente, ou seja, no havia interao entre aprendizes, apenas uma relao aprendiz-mquina, o que enfraquecia o aprendizado. Segundo Labidi (2003), os ambientes CSCL possuem inmeras vantagens tais como: Competitividade sadia entre os estudantes, Aumento da produtividade de aprendizagem, Desenvolvimento das habilidades sociais, Estmulo ao aprendizado, Adoo do espao Web como ferramenta de estudo e maior Cooperao entre estudantes e professores Ambientes CSCL, muito utilizados na modalidade EaD (Educao a Distncia), tambm podem suprir necessidades advindas do ensino presencial tais como o desnivelamento de alunos com relao a pr-requisitos das matrias estudadas, o que pode gerar problemas de acompanhamento. Com o desnivelamento o professor gasta tempo fazendo o nivelamento ou altera o planejamento para adequ-lo aos menos conhecedores, ou ainda, o desnivelamento pode ocorrer quando as atividades em classe so insuficientes para o domnio do contedo e o aluno deve fazer atividades extraclasse, e ,portanto, quando este no o faz pode ficar desnivelado e nesse caso tambm no conseguir acompanhar a partir de um certo ponto [Vilela, 2006]. Os ambientes CSCL trouxeram, portanto, vantagens em relao ao ensino presencial, mas ao mesmo tempo tambm trouxeram consigo novas questes, dentre elas podemos destacar a representao dos aprendizes e seus grupos, a interao entre os aprendizes e professores e a distribuio dos aprendizes em grupos [Lima, 2006].

2.3 Algoritmos de Clustering De acordo com Francisco et al.(2005), Clustering uma tcnica de Minerao de Dados( do ingls, Data Mining) que consiste em separar os dados em clusters. Apesar da definio de um cluster no ser bem precisa, podemos dizer que membros de um cluster so mais semelhantes entre si que membros externos a esse cluster e nesse caso, o conceito de semelhana est associado distncia entre objetos considerando-se o espao de atributos que caracterizam um dado objeto. Essa uma ferramenta que pode ser facilmente utilizada para a criao de um software cujo objetivo a formao de grupos de alunos baseados em semelhanas (grupos afins) ou na falta de semelhanas (grupos antitticos) entre suas caractersticas scio-afetivas notveis. Para conseguir o resultado almejado ser utilizado o algoritmo K-Means, o qual exige a definio prvia do nmero de clusters e do posicionamento inicial dos centros dos k clusters no espao de atributos. As variaes e melhorias propostas para o mtodo ficam por conta da definio inicial dos centros dos clusters e de avaliaes realizadas no final ou durante o processo de agrupamento [Francisco et al., 2005].

3. Metodologia de Implementao
A ferramenta Web aqui apresentada foi arquitetada de acordo com o cubo dos temperamentos (cf Figura 1) utilizado por Heymans [apud Justo, 1966], onde os fatores fundamentais do carter ou temperamento humano so: emotividade, atividade e repercusso. O indivduo chamado emotivo (E) quando experimenta mais facilmente emoes (como prazer e dor) que a mdia dos homens, caso contrrio, no-emotivo (nE). Ser ativo (A) se a ao for uma necessidade e um prazer constante para ele, se lhe custar entrar em ao, ser no-ativo (nA). Repercusso o nome dado durao da influncia dos acontecimentos na conscincia. O tipo primrio (P) quando o efeito se esvai quase logo depois de passado o fenmeno; se a lembrana perdurar, aprofundando-se no subconsciente, e orientar a vida, o indivduo pertencer ao tipo secundrio (S).

Figura 1. Cubo dos Temperamentos (Quarto, 2006, p. 77)

A Figura 1, desenhada a partir da original utilizada por Justo (1966), facilita a memorizao da classificao de Heymans. direita, figuram os ATIVOS (A);

esquerda, os NO-ATIVOS (nA); em baixo, os NO-EMOTIVOS (nE); e em cima, os EMOTIVOS (E). Na face anterior, encontram-se os PRIMRIOS (P), pessoas que normalmente guardam poucos fenmenos na conscincia; e na posterior, os SECUNDRIOS (S), pessoas que normalmente guardam mais fenmenos na conscincia. Os TIPOS ANTITTICOS, com frmula contrria nos trs elementos, esto situados nas extremidades das diagonais que passam pelo centro do cubo. Os TIPOS AFINS, que possuem duas propriedades comuns ( como os melanclicos e os lderes, onde ambos so emotivos e secundrios) , esto situados nas extremidades das arestas que convergem para o vrtice do temperamento considerado. Na tabela 1, so descritas todas as afinidades entre os temperamentos de carter bem como o grupo dos
temperamentos antitticos (opostos). Tabela 1. Afinidades entre os temperamentos de carter e o grupo dos antitticos (opostos). [Justo, 1966].

Temperamentos Determinantes Melanclico Instvel Amorfo Aptico Social Fleumtico Ativo Lder

Temperamentos Afins

Temperamentos Antitticos (opostos)

Lder, Instvel, Aptico Melanclico, Amorfo, Ativo Instvel, Aptico, Social Melanclico, Amorfo, Fleumtico Amorfo, Ativo, Fleumtico Social, Lder, Aptico Instvel, Social, Lder Fleumtico, Melanclico, Ativo

Social Fleumtico Lder Ativo Melanclico Instvel Aptico Amorfo

Para Heymans [apud Justo, 1966], existem oito tipos de temperamentos de carter: Instvel, Melanclico, Lder, Social, Amorfo, Aptico, Ativo e Fleumtico. A seguir so descritos cada um dos temperamentos levando em considerao fatores como disposio, suscetibilidade dentre outros. [Justo, 1966]. Tipo Instvel: Pessoas com elevado nmero e variedade de disposies. Necessidade de distraes, pouca pontualidade, tendncia ociosidade e contradio, agressivo, irritvel, tem pouco domnio pessoal. Tipo Melanclico: introvertido, solitrio, suscetvel, impressionvel, escrupuloso, retrado, hesitante, tmido. Contenta-se com o saber terico, sem visar-lhe a aplicao prtica. Tipo Lder: Pessoa de mando, de ao. Poder e dedicao so-lhe caractersticos. Grande capacidade de trabalho, boa capacidade de concentrao, prtico, enrgico. No se submete com facilidade.

Tipo Social: Pessoa com aptides prticas, voltadas para o til, esprito cientfico, deixa-se guiar pela razo, reaes rpidas e decididas, sossegado, objetivo, gosta da sociedade, facilmente encontra soluo para tudo. Tipo Amorfo: Interessa-se pelas alegrias e prazeres sensoriais. dcil, situa-se no plo oposto do lder, tem falta de iniciativa e entusiasmo, sossegado, indiferente, impassvel e equilibrado, gosta dos prazeres da mesa, teimoso. Tipo Aptico: Pessoa sossegada, indiferente, tranqila, disciplinada e fiel. No se esperem intensas emoes psquicas desse tipo, nem decises repentinas, devido ao grau diminuto de emotividade e atividade, gosta da solido. Tipo Ativo: Pessoa de ao, afvel, fascina, arrasta, improvisador, no acumula experincia, capacidade de adaptao social, entretm a todos, facilmente entusiasmado. Tipo Fleumtico: Pessoa do dever, da ordem, da medida, ponderao, reflexo, terico, sempre ocupado, fiel, frio. Bom observador, moderado e metdico no trabalho, pouco impulso (carncia de emotividade). 3.1 Inferncia da escala de avaliao Roger Verdier A inferncia da Escala de Avaliao Roger Verdier, baseada em Heyman Le Sene tem por objetivo coletar caractersticas da pessoa, de maneira a estimar o seu carter ou personalidade, com base nas descries dos fatores do carter emotividade, atividade e repercusso, que conduzem aos tipos de temperamentos citados no cubo dos temperamentos da Figura 1. Este perfil scio-afetivo definido ser de grande utilidade na formao de grupos de estudantes, de modo que os mesmos possam alcanar a colaborao em tarefas de aprendizagem com maior intensidade [Justo, 1966; Prola, 2003]. Ainda para Justo (1966), h que se considerar que os lderes quando em mesmo grupo, no se relacionam bem, pois so pessoas que antes gostam de comandar, tendo dificuldade em aceitar comandos. Para a psicloga Ida Maria (ULBRA/GRAVATA), na ausncia de um lder nato em um grupo, os indivduos ativos ou sociais podem exercer este papel, por tambm serem figuras agregadoras. 3.1.2 Utilizao da Ferramenta Web Roger Verdier Nessa seo so apresentadas as questes que compem o teste de carter Roger Verdier. So elas: (1) Depois de uma emoo, fica impressionado por muito tempo? Gosta de relembrar as emoes (agradveis ou desagradveis) do passado? (2) Fica facilmente acanhado na presena de pessoas? (3) Comea geralmente pelo trabalho que tem de ser feito, deixando o resto para depois? (4) Fica muitas vezes e facilmente emocionado? Empalidece, cora, chora, ri, fica nervoso, assusta-se? Bate o corao? Fecha-se a garganta? (5) Pensa de antemo no que pode acontecer, e prepara-se, tanto quanto possvel, com antecedncia, para a nova situao? (6) Procura resolver sozinho as dificuldades, sem ajuda?

(7) suscetvel? Melindra-se facilmente? (8) Muda facilmente de humor? Isto , passando da alegria para a tristeza, da tagarelice para o mutismo, do entusiasmo ao desnimo? (9) Leva tempo para se habituar em caso de mudana? (De casa, localidade, escola?), (10) Num trabalho prolongado, aplica-se no fim tanto quanto no comeo? (11) Quando est livre, procura no passatempos, distraes, divertimentos, mas trabalhos, ocupaes? (12) Gosta de conservar os mesmos hbitos (costumes), os mesmos amigos, os mesmos objetos, etc.? (13) Em caso de dificuldade ou fracasso, em vez de desanimar, recomea tantas vezes quantas for necessrio? (14) Comove-se ao ouvir ou ler um fato emocionante quase tanto quanto diante de acontecimento real? (15) Demora para se reconciliar? (Depois de uma desavena, afronta, etc.?). Na Figura 2 apresentada a Interface Grfica da ferramenta Web utilizada para responder o teste de carter Roger Verdier, onde h a presena de campos para registro dos Dados Pessoais do usurio (Nome, CPF, E-mail, Telefone e Turma) e as questes do teste em si, que so respondidas de forma binria (Sim ou No).

Figura 2. Interface Grfica da Ferramenta Web Roger Verdier

A partir da interface grfica, ilustrada na Figura 2, temos os seguintes passos de inferncias para implementao do algoritmo de clustering: Passo 1 Coleta de Dados: O usurio responde ao questionrio Roger Verdier atravs da ferramenta Web baseada na linguagem PHP (verso 5) com banco de dados Mysql, para implementao em ambientes colaborativos como o MOODLE, o NETCLASS, o TELEDUC, dentre outros, e ento o componente obtm as respostas da pgina,

inseridas pelos usurios, e as armazena para fazer o processo de comparao e quantificao. O processo de quantificao e comparao funciona da seguinte forma: (i) Se o aluno responder a partir de 3 SIMs para as perguntas 2, 4, 7, 8 e 14, ele considerado E (Emotivo), seno ser nE (no-Emotivo); (ii) Se o aluno responder a partir de 3 SIMs para as perguntas 3, 6, 10, 11 e 13, ele considerado A (Ativo), seno ser nA (no-ativo); (iii) Se o aluno responder a partir de 3 SIMs para as perguntas 1, 5, 9, 12 e 15, ele considerado S (Repercusso Secundria), seno ser P (Repercusso Primria). Passo 2 Caracterizao da Personalidade: H a anlise da personalidade do aluno, que pode ser: emotivo (E), no emotivo (nE), ativo (A), no ativo (nA) e repercusso Secundria (S) ou Primria (P). (i) O componente computacional ir combinar os fatores resultantes da quantificao dos resultados obtidos no passo 1, os quais podero resultar em vrias combinaes (frmulas) de acordo com o cubo dos temperamentos, tais como: nEnAS, nEnAP, nEAP, nEAS, EnAP, EAP, EnAS ou EAS.; (ii) De acordo com o cubo de temperamentos o componente vai inferir o perfil caracteriolgico do aluno, conforme descrito a seguir: Se a frmula for nEnAS, o aluno do tipo Aptico; Se a frmula for nEnAP, o aluno do tipo Amorfo; Se a frmula for nEAP, o aluno do tipo Social; Se a frmula for nEAS, o aluno do tipo Fleumtico; Se a frmula for EnAP, o aluno do tipo Instvel; Se a frmula for EAP, o aluno do tipo Ativo; Se a frmula for EnAS, o aluno do tipo Melanclico; Se a frmula for EAS, o aluno do tipo Lder. O componente tambm dever criar, posteriormente, um banco de dados com todos os nomes e caractersticas dos usurios para estudos posteriores. Passo 3 Formao de Grupos: O algoritmo de clustering utilizado em conjunto com a ferramenta que realiza a avaliao Roger Verdier para a formao de grupos, onde o encarregado da organizao (professor ou administrador) insere na interface quantos alunos e quantos grupos planeja utilizar. Depois de inseridas as informaes, h a execuo do algoritmo e gerada uma lista com o nome dos integrantes de cada grupo, os quais foram organizados para maximizar o estudo colaborativo. Como ilustrado na Figura 3, o algoritmo para a formao de grupos baseados em inferncias de fatores scio-afetivos, funcionar da seguinte maneira: 1. definio do nmero de grupos e de alunos disponveis para o estudo em grupo, feita pelo professor ou profissional encarregado. 2. verificao e separao dos tipos existentes, onde h a identificao dos Centrides iniciais (lderes). 3. H a agregao dos grupos pelas similaridades ou pela falta delas (grupos afins ou antitticos), onde os tipos agregadores, tanto lderes natos ou inatos (ativos ou sociais) so utilizados como centrides. 4. H a agregao dos grupos (clusters) em volta dos centrides de acordo com as definies previamente inseridas, onde, de preferncia, pessoas que possuem o mesmo fator scio-afetivo no sejam agregadas no mesmo grupo, se no for possvel, fazer com que tal situao ocorra o menor nmero de vezes possvel, aumentando assim os resultados do trabalho colaborativo do grupo scio-afetivo.

Figura 3. Funcionamento do algoritmo de clustering

4. Concluses e Trabalhos Futuros


Ambientes Virtuais de Aprendizagem (AVAs) so uma realidade crescente na promoo da modalidade EaD, bem como as vrias ferramentas planejadas, desenvolvidas, testadas e implementadas em tais ambientes. Portanto, este artigo apresentou uma abordagem de algoritmos de clustering para a formao de grupos scio-afetivos, de forma a potencializar a colaborao coletiva em atividades de ensinoaprendizagem apoiadas por ferramentas computacionais. O sucesso dos resultados esperados da abordagem de algoritmos de clustering na formao de grupos scio-afetivos para a aprendizagem colaborativa Web exigir como trabalhos futuros a sua implementao na linguagem Java, pela utilizao das inferncias de fatores scio-afetivos, atravs da ferramenta Web Roger Verdier.

5. Referncias
BALLONE, G. J. Alteraes da Afetividade http://www.psiqweb.med.br/cursos/afet.html COLOSSI, Nelson; QUEIROZ, Etty G. CONSENTINO, Aldo. Mudanas no Contexto do Ensino Superior no Brasil: Uma Tendncia ao Ensino Colaborativo. Cobenge (Congresso Brasileiro de Educao em Engenharia), 2001. http://www.pp.ufu.br/Cobenge2001/trabalhos/CPI008.pdf FRANCISCO, Fernando Loureno; CALEFFI, Joo Augusto; OLIVEIRA, Rodrigo Olivi de; LOSCHI, Daniela Cristina; BRANT, Bruno; ROFATTO, Otvio, 2005. Tcnicas de Agrupamento (Clustering).

JAQUES, Patrcia Augustin & VICCARI, Rosa Maria. Considering Studentss emotions in computer-mediated learning environments, In: Zongmin Ma (Org). Web-based intelligent e-learning systems: Technologies and applications. Hershey, 2004. JONES, Ann & ISSROFF, Kim. Learning technologies: Affective and social issues in computer-supported collaborative learning, University College, London, UK, 2005. JUSTO, F. S. C. Teste de Carter ao Alcance de Todos, Editora Escola Profissional La Salle, Canoas Rio Grande do Sul, 1966 KREIJNS, K.; KIRSCHNER, P. A.; JOCHEMS, W. The Sociability of ComputerSupported Collaborative Learning Environments. Educational Technology & Society. Vol. 5, No. 1, 2002. LABIDI, Sofiane. Netclass: Sistema multiagentes ao ensino-aprendizagem colaborativa, Laboratrio de Sistemas Inteligentes (LSI). Universidade Federal do Maranho (UFMA), 2003. LIMA, Mark Renato Campos, 2006. Algoritmos Genticos na Formao de Grupos para Aprendizagem Cooperativa Apoiada por Computador ,PPGEE/UFMA, 2006. PROLA, Ana Teresa Medronha. Modelagem de um agente pedaggico animado para um ambiente colaborativo: Considerando fatores sociais relevantes, INF/UFRGS, 2003. QUARTO, Ccero Costa, 2006. Inferindo Fatores Scio-Afetivos em Ambientes de Ensino-Aprendizagem Colaborativos Assistidos por Computador. http://www.cct.uema.br/Relatorios_Tecnicos/RR-2007/Dissertacao_Cicero.pdf QUARTO, Ccero Costa; LABIDI, Sofiane; JAQUES, Patrcia A.; SCHIVITZ, Ida M. M., 2007. Considerando o Fator Scio-Afetivo Afinidade Social em Ambientes de Ensino-Aprendizagem Colaborativos Assistidos por Computador. Revista do Campus da ULBRA Gravata Interatividades N 10. http://gravatai.ulbra.tche.br/interatividades/interatividades/3.10.html VILELA, Virglio Vasconcelos; Por que EAD: Desvantagens do modelo de ensino presencial, vantagens do modelo a distncia e o fator crtico de sucesso de ambas, 2006. http://www.possibilidades.com.br/ensino/presencial_x_ead.asp