Sistema Tutor Inteligente PAT2Math: Carter Pedaggico

Fbio Rafael Damasceno, Patrcia Augustin Jaques

1

Programa Interdisciplinar de Ps-Graduao em Computao Aplicada Universidade do Vale do Rio dos Sinos (UNISINOS) Caixa Postal 215 93022-000 So Leopoldo RS Brasil
fabiorafaeldamasceno@gmail.com, pjaques@unisinos.br

Abstract: Intelligent tutoring systems represent a breakthrough in the use of computing resources for teaching contents to many different audiences. Over time alternatives emerged to teach in different ways, reflecting different pedagogical approaches for these different target audiences and their cognitive characteristics. The PAT2Math Project is an Intelligent Tutoring System which focus lies on teaching Elementary Algebra, for primary school students. This work presents the theoretical references that are basing the construction of the Tutor Module of PAT2Math and the Tutor features under development for the project. Resumo: Sistemas Tutores Inteligentes representam um avano na utilizao de recursos computacionais para ensino de contedos, para as mais diversas audincias. Com o passar do tempo surgiram alternativas para ensinar de maneiras diferentes, refletindo abordagens pedaggicas diferenciadas para estes distintos pblicos-alvo e suas respectivas caractersticas cognitivas. O Projeto PAT2Math um Sistema Tutor Inteligente cujo foco est no ensino de lgebra Elementar, para alunos do Ensino Fundamental. Neste trabalho encontra-se o referencial terico que est embasando a construo do Mdulo Tutor do sistema e suas caractersticas em desenvolvimento para o projeto.

1. Introduo
No incio da dcada de 1970 pesquisadores definiram um objetivo ambicioso para sistemas IAC (Instruo Assistida por Computador) adotar um tutor humano como modelo educacional de tais sistemas, aplicando tcnicas de Inteligncia Artificial (IA) para que o mesmo pudesse atuar como um tutor personalizado ao aluno. Assim criou-se o conceito de Sistemas Tutores Inteligentes (STI), que so sistemas computadorizados capazes de ensinar contedos, atravs de Modelos Instrucionais que estejam presentes em sua arquitetura. Tais modelos representam abordagens diferenciadas de ensino, levando em conta o carter heterogneo dos perfis de aluno que possam vir a utilizar o sistema, alm das capacidades cognitivas de cada um [MURRAY, 1999]. O Projeto PAT2Math [DAMASCENO, CRUZ e JAQUES, 2010; MELLO, RUBI, et al., 2009; SEFFRIN, RUBI, et al., 2009; JAQUES, 2008; JAQUES, LEHMANN e SYLVIE, 2009] um Sistema Tutor Inteligente que oferece uma alternativa ao ensino de lgebra Elementar, em que os alunos brasileiros possuem srias dificuldades de aprendizado. Este pblico-alvo e desenvolvimento considerando

individualidades do aluno constituem um diferencial comparando-se com demais trabalhos desta rea. Este projeto de natureza interdisciplinar, em um campo de ensino que possui dificuldades para efetivao do aprendizado. Isto requisita a participao de vrios pesquisadores de diversas reas para pesquisa e desenvolvimento dentro do projeto. O foco deste trabalho se encontra na caracterstica tutora do sistema, ou seja, de que maneira acontece o ensino individualizado dos alunos, alm de quais variveis so consideradas no momento de oferecer ao aluno um auxlio sobre um determinado contedo. O artigo est dividido em sees, como segue: A seo dois contm um breve estudo sobre o aprendizado de lgebra e suas respectivas dificuldades. A seo trs aborda um pequeno estudo de trabalhos relacionados e compara-os com o projeto PAT2Math. Na seo quatro encontra-se uma descrio breve sobre o Sistema Tutor Inteligente PAT2Math e sua arquitetura multiagente. Na seo cinco so abordadas teorias pedaggicas para aplicao no Mdulo Tutor do sistema. A seo seis aborda as caractersticas que so consideradas nas tomadas de deciso do Agente Tutor no momento de ensinar um contedo ou aplicar exerccios. Na seo sete so detalhados os planos de ensino que sero criados pelo Mdulo Tutor para adaptao dos contedos aos alunos. A seo oito contm um cenrio em que exemplificada a funcionalidade do que ser construdo posteriormente. Por fim, na seo nove, esto as consideraes finais e perspectivas do projeto.

2. Aprendizado de lgebra
A proposta do PAT2Math ensino de lgebra Elementar em um ambiente Web, capaz de considerar fatores emocionais e individualidades do aluno. Essa caracterstica tornou necessrio o estudo dos fatores cognitivos que limitam ou dificultam o aprendizado deste contedo, dados a serem usados no desenvolvimento do Mdulo Tutor do sistema, com o objetivo de que o ensino ocorra de forma efetiva. Um estudo foi realizado em [STACEY e MACGREGOR, 2000] apontando tais dificuldades. Alunos de Ensino Fundamental tm grandes dificuldades durante o aprendizado de Matemtica, sendo a lgebra considerada um expoente entre tais assuntos. Os estudantes tentam usar uma srie de clculos sequenciais aritmticos para solucionar exerccios algbricos, testando-os com dados informados no problema ou aleatoriamente. Isso reflexo do forte conceito aritmtico presente em tais alunos, o que no torna simples a transio para o estudo da lgebra. Na Aritmtica, inicialmente os alunos lidam com uma srie de clculos, tendo como desafio realizar uma cadeia sucessiva de operaes, com a devida ordem de ser resolvida. Em um segundo momento, na lgebra, preciso fazer relaes e simplificar termos, a fim de encontrar valores que solucionem uma condio proposta em uma equao. Trata-se de um paradigma de difcil adaptao para o aluno. 3. Trabalhos Relacionados Avaliando artigos de autores com trabalhos relevantes na rea de STIs foram encontrados alguns projetos em desenvolvimento, com seus resultados publicados em conferncias correlatas. Aqui segue uma avaliao crtica destes. O ActiveMath [SIEKMANN e MELIS, 2004] um STI para ensino de Matemtica considerando caractersticas individuais do aluno. No entanto, o sistema

no permite uma interao muito complexa com o usurio, sempre oferecendo opes pr-definidas de respostas para o aluno selecionar e validar se est correto. Isso parece ser reflexo da ausncia de um modelo cognitivo detalhado, com regras para resoluo de exerccios que tratem os inputs do usurio de maneira flexvel. O AnimalWatch [COHEN, BEAL e ADAMS, 2008] um projeto que se concentra no ensino de Matemtica com o apelo de estudo de espcies em extino, um elo com a biologia. baseado em word problems, ou seja, problemas textuais, que exigem boa leitura e interpretao para que o aluno possa saber como organizar sua resoluo. No entanto, tal resoluo se limita a entrar com a resposta de problemas pontuais ao fim de cada contexto, de cada texto que o sistema apresenta. A resoluo exige um raciocnio que se concretiza no papel, gerando uma resposta final que deve ser inserida no sistema, para avaliar e deduzir o que o estudante fez, a fim de oferecer ajuda adequada. Estes meios de interao, vistos em projetos como os comentados anteriormente, limitam a inferncia das dificuldades do aluno. Isto, na realidade brasileira que possui um corpo discente bastante heterogneo, torna problemtico lidar com estas individualidades. Um trabalho de pesquisa foi levantado em [SEFFRIN, RUBI, et al., 2010], mostrando como benfica a utilizao do Mdulo Resolvedor de Equaes do PAT2Math por um grupo de alunos, durante um experimento acompanhado pelos pesquisadores do projeto. No ambiente do sistema h uma tela em que alunos puderam montar suas equaes e passo a passo resolv-las, recebendo feedback imediato em seus eventuais erros. Isso constitui um diferencial e uma ferramenta importante para as tomadas de deciso do Mdulo Tutor do sistema.

4. Sistema Tutor Inteligente PAT2Math

Conforme citado na Introduo deste artigo, o PAT2Math um Sistema Tutor Inteligente cujo objetivo ensinar lgebra de forma individualizada aos alunos em um ambiente web, capaz de considerar o seu estado emocional e cognitivo em relao aos contedos explorados no sistema. Sua arquitetura segue uma abordagem multiagente e modelada segundo a metodologia Prometheus [WINIKOFF, 2004] (Mais detalhes em [DAMASCENO, CRUZ e JAQUES, 2010]). Existe um total de cinco agentes que compem atualmente a arquitetura do PAT2Math, correspondendo aos mdulos da arquitetura tradicional de um sistema tutor inteligente, sendo eles: Agente Interface (AI), Agente Domnio (AD), Agente Tutor (AT), Agente Modelo de Aluno (AMA) e Agente Modelo Cognitivo (AMC). Para implementao desta arquitetura multiagente proposta est sendo utilizada a plataforma JADE (Java Agent DEvelepoment Framework) [BELLIFEMINE, CAIRE, et al., 2009] e linguagem de programao Java. Agente Tutor Este agente analisa as informaes do estudante e seleciona uma estratgia pedaggica adequada, para criao de um plano de ensino apropriado para o mesmo. Para isso, o Agente Tutor contar com o auxlio de uma estrutura que conter a hierarquia dos contedos que podem ser ensinados no sistema, com seus respectivos pr-requisitos consolidados como uma Ontologia. Ela ajudar no momento de inferir o que aluno aprendeu at lidar com determinado contedo e o que pode aprender a partir da

compreenso dele. Como as suas definies fazem parte do foco deste artigo, maiores detalhes deste se encontram descritos nas sees 6, 7 e 8 deste documento. Agente de Domnio O Agente de Domnio varre a Base de Domnio, em que todo o conhecimento declarativo sob os contedos se encontra, enviando estes dados para o Agente Tutor quando requisitado. Ele lida com banco de dados em OMDoc, um formato baseado em XML para representar o contedo de documentos matemticos. Trata-se de um formato capaz de representar toda gama de contedos matemticos escritos, tais como explanaes, exemplos, teorias e exerccios. Alm disso, pode-se inserir a semntica do contedo matemtico e meta-informaes sobre ele. Agente Modelo de Aluno Este agente monitora as informaes sobre o aluno conforme este interage com o sistema, e as armazena na Base de Modelo de Aluno. O Agente de Modelo de Aluno serve como referncia para o Agente Tutor no momento da criao de um plano de ensino especfico para um aluno. Agente do Modelo Cognitivo O Agente de Modelo Cognitivo capaz de resolver equaes algbricas, atuando como um sistema especialista baseado em regras. As regras possveis para resoluo de equaes algbricas esto presentes neste agente, atravs delas sendo possvel verificar se um determinado aluno conseguiu realizar corretamente as etapas de resoluo de um problema algbrico. Estas regras referenciam s operaes algbricas que podem ser aplicadas na resoluo de problemas desta categoria, constituindo a caracterstica de Model Tracing, abordada em [ANDERSON, 1992]. Tal caracterstica importante para o ensino de lgebra, pois um plano de ensino do Agente Tutor pode incluir certas equaes resolvidas para a compreenso do aluno. Este agente tambm pode receber cada passo de resoluo de uma equao que est sendo manipulada pelo aluno e a corrigir [SEFFRIN, RUBI, et al., 2009]. Tambm possvel mostrar toda sua resoluo passo a passo, para que o mesmo veja o mtodo de soluo ideal do problema em questo. Agente de Interface responsvel por unir os dados sobre aes do usurio dentro do sistema e, posteriormente, envi-los para atualizao no Agente Modelo de Aluno, que contribui nas tomadas de deciso do Agente Tutor. Este agente tambm encarregado de mostrar tpicos e informaes na tela do sistema. A interface est sendo desenvolvida como uma aplicao Web, um tipo de aplicativo desenvolvido na linguagem Java que executa dentro de navegadores para Internet. Para a resoluo de equaes, foi utilizado o um Applet de edio de equaes. A interface do mdulo de resoluo de equaes disponibiliza ao usurio ferramentas para auxili-lo passo a passo na manipulao de equaes matemticas [SEFFRIN, RUBI, et al., 2009].

5. Teorias Pedaggicas para Aplicao no Sistema Tutor Inteligente PAT2Math

Observando a caracterstica pedaggica do Sistema Tutor Inteligente PAT2Math, percebeu-se a necessidade de estudo sobre os conhecimentos e objetos de aprendizado

em um sistema computacional, bem como os benefcios dessa abordagem, mais especificamente o que se deve fazer para que ocorra um aprendizado efetivo. Ensino Individualizado No ensino particular, onde um professor cuida exclusivamente de um nico aluno, os resultados so bem mais significativos do que na abordagem tradicional - um professor para um conjunto de alunos [BLOOM, 1984]. neste cenrio que a computao oferece uma alternativa interessante, com uso de Sistemas Tutores Inteligentes. Tais sistemas oferecem um ambiente virtual em que os alunos podem interagir, sendo monitorados de alguma maneira, com o uso de agentes computacionais por exemplo. No PAT2Math cada aluno explora o ambiente do sistema e monitorado de forma individual, para que dados pessoais acerca do seu aprendizado e dificuldades sejam percebidos e atualizados no seu respectivo Modelo de Aluno. Construo do Conhecimento Teoria de Vygotsky Como Vygotsky prope o desenvolvimento do aluno de uma maneira diferenciada, atravs da Zona de Desenvolvimento Proximal, e um Sistema Tutor Inteligente fornece os benefcios de aprendizagem semelhantes queles com uso de um professor particular, este tpico de estudo tem como objetivo a agregao de tais princpios ao Mdulo Tutor do Sistema Tutor Inteligente PAT2Math. Vygotsky prope o conceito de mediao, em que relaes so intermediadas atravs de elementos e os signos, estruturas mentais que referem objetos e acontecimentos. Em um STI como o PAT2Math, esta mediao concretizada com objetos de aprendizado que esto na Base de Domnio, sendo estes explanaes, exemplos ou exerccios. Com estes materiais podem-se mediar conhecimentos sob esta teoria de Vygotsky [VIGOTSKY, LURIA e LEONTIEV, 1934-1986]. Qualquer conceito cientfico carrega um sistema hierarquizado do qual ele faz parte. Esta definio realizada pela teoria de Vygotsky toma forma dentro do PAT2Math atravs do posicionamento dos objetos de aprendizagem em uma Ontologia contendo os contedos algbricos e seus respectivos pr-requisitos entre eles. Esta Ontologia contm os pr-requisitos de cada um dos contedos e permite a inferncia de que saberes o aluno possui ao dominar um determinado ponto desta estrutura, assim como quais conhecimentos estar apto a compreender posteriormente, com a anlise desta rvore [VIGOTSKY, LURIA e LEONTIEV, 1934-1986]. Zona de Desenvolvimento Proximal (ZDP) O estudo de Zona de Desenvolvimento Proximal, proposto por Vygotsky [VIGOTSKY, LURIA e LEONTIEV, 1934-1986] engloba duas zonas o Desenvolvimento Real o e Desenvolvimento Potencial. Desenvolvimento Real representa as tarefas que uma pessoa consegue realizar de forma autnoma, sem a ajuda de terceiros. J o Desenvolvimento Potencial representa as capacidades de uma pessoa relativas ao que ela consegue fazer com determinado auxlio ou observao do seu ambiente. Ambos atuam como uma projeo do que a pessoa ser capaz de fazer, analisando-se de forma hierrquica as tarefas propostas. Atravs da postulao da existncia destes dois nveis de desenvolvimento que Vygotsky prope, definida a Zona de Desenvolvimento Proximal. uma formalizao das funes que ainda no amadureceram no aluno, mas que esto em processo de

maturao, alm de funes que amadurecero que esto presentes em estado primitivo ainda no indivduo. Esta zona considerada a que a interferncia de outros indivduos, como um professor ou STI, a mais transformadora e geradora de aprendizados. Neste cenrio a Ontologia comentada anteriormente atua fortemente, pois sabendo se existe o domnio de um dado contedo pode-se inferir o Desenvolvimento Real do aluno, avaliando quais eram os pr-requisitos do mesmo e se houve xito no seu aprendizado. O Desenvolvimento Potencial consolidado como os contedos cujo prrequisito seja este que o aluno est trabalhando atualmente. A teoria abordada nesta seo est sob um carter simplificado, pois computacionalmente complexo lidar com as variveis propostas originalmente no estudo de Vygotsky, que envolve percepes e demais impresses subjetivas do professor em relao ao aluno. Aprendizagem Significativa e Subsunores de Ausubel Ausubel [MOREIRA, 1999] prope o conceito de aprendizagem significativa, em que uma nova informao relaciona-se com um aspecto relevante da estrutura de conhecimento existente do aluno, envolvendo um processo de interao desta nova informao e da estrutura cognitiva j existente no indivduo, nomeada como subsunor. Aqui a ontologia comentada anteriormente apontar quais conceitos subsunores esto presentes no aluno no momento em que este lida com um dado contedo. Isso ser avaliado atravs dos contedos que foram pr-requisitos deste contedo sendo trabalhado. Assim possvel a deduo de quais subsunores (representados como classes na ontologia) sero afetados no momento em que este novo conhecimento ser agregado, sendo importante para a concretizao da teoria de diferenciao progressiva, que relata a transformao de conceitos subsunores com o aprendizado ao longo do tempo. Este processo de aprendizagem significativa deve ser explorado com a maximizao da identificao de conceitos subsunores um dado contedo, atravs das dependncias naturais dos contedos a serem ensinados. Isto estar disposto na ontologia do Agente Tutor. 6. Variveis de Deciso no Ensino do Aluno O Agente de Modelo Cognitivo capaz de informar quais regras de produo o aluno utilizou nos passos de resoluo dos exerccios realizados, assim como se a utilizao foi correta. Em caso negativo, est apto a informar qual regra deveria ser usada em determinado momento. Com estas regras possvel apontar quais habilidades o aluno est utilizando corretamente ou tendo dificuldades, uma vez que cada regra est relacionada a uma habilidade que o aluno deve possuir (por exemplo, somar termos com incgnitas). Isso constitui uma varivel importante para o Agente Tutor na seleo de quais contedos mostrar ao aluno para remediar um aprendizado incorreto, pois esta regra que deveria ser utilizada remete uma habilidade para resoluo de equaes algbricas, que por sua vez remete um ou mais contedos sendo desenvolvidos ao longo das sesses do aluno com o sistema. Como estes contedos possuem seus respectivos pr-requisitos, existe a possibilidade de inferir onde pode ter ocorrido uma falha no aprendizado, mostrando materiais referentes at tal ponto da rvore conhecimentos que o aluno explorou.

Estes conhecimentos possuem meta-informaes sobre o desenvolvimento de determinadas habilidades do aluno, para que o Agente Tutor possa fazer uma consulta nesta estrutura com o objetivo de selecionar material para exerccio de uma ou mais habilidades, ou seja, quais habilidades o aluno pode aprimorar compreendendo determinado contedo. A construo desta Ontologia, com tais meta-informaes, ser feita a partir de extensos mapas conceituais j existentes, criados por uma das pesquisadoras dentro do projeto, cuja formao em Licenciatura em Matemtica. Sabendo quais contedos devem ser trabalhados com o aluno e que habilidades podem ser aprimoradas com os mesmos, pode-se proporcionar o aprendizado de carter individual proposto pelo sistema. Atravs das estruturas de informao abordadas no tpico anterior sabe-se o que o aluno acompanhou de exemplos e contedos, alm de quais exerccios realizou, bem como as regras que utilizou com sucesso na resoluo de exerccios e em quais teve dificuldades e/ou solicitou ajuda. Tais informaes so repassadas ao Agente Tutor como variveis no momento de decidir a forma com que estes contedos sero expostos ao aluno em questo. 7. Planos de Ensino O plano de ensino individualizado, para cada aluno que utilize o sistema, baseado no que este aluno sabe em determinado momento e os feedbacks informados ao mesmo so o que constituem o carter individual de ensino por parte do Agente Tutor. A criao deste plano envolve as informaes presentes no Agente Modelo de Aluno, sendo aplicados os princpios da teoria ZDP (Zona de Desenvolvimento Proximal), e Aprendizagem Significativa, conforme visto na seo quatro. A teoria ZDP visa o aprendizado considerando o que o aluno sabe e que pode saber com um determinado auxlio externo, seja um professor, outro colega ou um agente computacional, como no caso do PAT2Math. J a aprendizagem significativa defende o aprendizado sob agregao de informaes conceitos j existentes na estrutura cognitiva do aluno. A estrutura dos conhecimentos est disposta na Ontologia comentada anteriormente, assim como meta-informaes das habilidades que so consolidadas com a compreenso dos mesmos. Isso possibilita a inferncia, a partir de um conhecimento, de quais contedos o aluno teve que aprender para compreend-lo e utiliz-lo. possvel tambm descobrir quais contedos que o aluno poder dominar futuramente tendo este conhecimento inicial como base, atravs da consulta sobre que contedos tm este conhecimento em questo como pr-requisito para compreenso.Com esta lista de contedos, pode ser feita a consulta no Modelo de Aluno para descobrir de que forma o aluno interagiu com eles, se os visualizou ou exercitou. Se j foram explorados previamente, textos introdutrios podem no compor o plano, partindo para uma abordagem mais expositiva com mais exemplos, por exemplo. Com o objetivo de interpretar o comportamento do estudante dentro de um sistema computacional, interessante mapear os seus respectivos saberes sobre os assuntos abordados dentro deste mesmo sistema. Este um problema que pode ser resolvido pela teoria ACT - (Atomic Components of Thought) [ANDERSON, CORBETT, et al., 1992] que afirma que a habilidade cognitiva de um estudante pode ser representada como um conjunto de regras, interpretadas como estruturas de condio-ao. Tais regras podem ser utilizadas para interpretar as resolues de exerccios realizadas pelo estudante, enquadrando as suas aes com estas regras previamente definidas pela teoria ACT. Isto viabiliza o acompanhamento das aes de

um aluno atravs de Model Tracing [ANDERSON, CORBETT, et al., 1992], como acontece nas interaes do Agente de Modelo Cognitivo. Assim pode-se inferir os seus respectivos conhecimentos atravs do Knowledge Tracing (ANDERSON, CORBETT, et al., 1992), A criao deste plano de ensino considera as informaes traadas no Model Tracing [ANDERSON, 1992] do aluno, que aponta como a utilizao das regras de resoluo de equaes por parte do mesmo. Estas informaes tm carter importante, pois compe o denominado Knowledge Tracing [ANDERSON, 1992], que quando enviado ao Agente Tutor o informa sobre o domnio em relao aos conhecimentos do sistema e habilidades para resolver problemas que o aluno possui. Considera tambm os contedos que so considerados subsunores a um dado contedo. Neste cenrio entra o auxlio que o Agente Tutor pode oferecer ao aluno. Est dividido em duas categorias: Feedback imediato nos passos de resoluo que o aluno faz nos exerccios; Planos de Ensino baseados no domnio do aluno inferido sobre os conhecimentos abordados. A teoria do Model Tracing embasa o primeiro, baseado no feedback imediato das aes do aluno. As aes possveis na resoluo de problemas algbricos esto mapeadas como um conjunto de regras disposio do Agente de Modelo Cognitivo, que avalia as aes do aluno e pode informar se os passos realizados esto corretos ou no, sendo possvel inferir o grau de habilidade nos conhecimentos aos quais tais regras se referem. O feedback informado ao aluno na forma de mensagens na tela do Mdulo Resolvedor de Equaes. Isto constitui a ajuda de carter em curto prazo do Agente Tutor. J a teoria do Knowledge Tracing concretiza o segundo tpico, pois atravs do domnio dos contedos inferidos possvel verificar a compreenso do aluno em um aspecto mais amplo, alm dos pontos que causaram um maior problema no aprendizado e focar o auxlio nos mesmos. Neste escopo entram as estratgias pedaggicas que sero selecionadas pelo Agente Tutor. No caso, informaes sobre que contedos o aluno j teve contato e tem dificuldade, mapeadas no seu respectivo Modelo de Aluno, sero utilizadas para definir uma estratgia pedaggica adequada para apresentao do contedo. As seguintes trabalham em conjunto, conforme abordado no Cenrio deste trabalho, podendo ser: Tutoria: O Agente Tutor ir expor contedos baseados nos seus subsunores e expor conceitos subsunores seguintes da estrutura hierrquica, sob os moldes da teoria ZDP, agindo quando ocorrer um erro por parte do aluno. Tal ao reconstri o plano de ensino vigente para o mesmo. Treinamento: Em caso de erros na resoluo de exerccios, o aluno pode solicitar ao Agente Tutor a exposio passo a passo dos passos de soluo de exerccios semelhantes aos realizados de forma incorreta. Macro-Adaption: As habilidades que no foram totalmente desenvolvidas pelo aluno so variveis na tomada de deciso sobre que contedos mostrar a este aluno [VANLEHN, 2006]. Com uma estratgia pedaggica selecionada inicialmente, no caso a MacroAdaption, o Agente Tutor pode ento criar este plano de ensino que melhor se aplique a

este aluno, informando ao sistema de que forma as informaes devem ser expostas. Tal plano de natureza pr-definida para se enquadrar com os PCN (Parmetros Curriculares Nacionais), visando utilizao em escolas. A sua formulao se d atravs da Ontologia comentada previamente. Estes planos de ensino tero um papel muito importante durante a apresentao de material instrucional, ou quando o aluno posteriormente cometer erros durante a resoluo de exerccios, em que a estratgia Tutoria entra em cena para modificao do plano para atender as necessidades do aluno. So dados importantes que sero utilizados na definio dos tpicos que vo compor um determinado plano de ensino criado pelo Agente Tutor. 8. Cenrio Para exemplificar o funcionamento proposto pelo presente trabalho, vamos considerar o acesso de um aluno no sistema PAT2Math e explicar o que acontece durante a sua interao com contedo hipottico. Inicialmente um aluno entra no sistema sendo ento verificado e apontado para uma tabela com suas informaes na Base de Dados do Modelo de Aluno. Ao explorar um contedo no sistema referente equaes algbricas, o Agente de Modelo de Aluno consultado para verificar se o aluno previamente viu tal contedo, se acompanhou exemplos do mesmo ou solucionou corretamente exerccios correlatos. Essa informao passada ao Agente Tutor e ento alimentada no seu motor de inferncia para que seja escolhida uma estratgia adequada para a apresentao de material condizente com o seu estado cognitivo em relao ao contedo. As habilidades que o aluno no desenvolveu por completo, provenientes desta interao com o Agente Modelo de Aluno, so usadas para definir um contedo a ser exposto ao mesmo, constituindo a Macro-Adaption. Aps isto, so escolhidos exerccios para efetivar o aprendizado deste material, tambm sob esta teoria. Durante a resoluo destes, em um eventual erro, o modo Tutoria entra em ao para reconstruir o plano de ensino vigente, para que o aprendizado do aluno possa ser remediado. Concludo isto, o sistema retoma o exerccio que o aluno trabalhava inicialmente. Em qualquer momento o aluno pode solicitar o auxlio do sistema, momento em que ocorre a estratgia treinamento, para que o exerccio seja resolvido passo a passo. 9. Consideraes Finais O presente trabalho de pesquisa est sendo uma parte importante no desenvolvimento do Mdulo Tutor do Projeto PAT2Math. Ele envolve uma pesquisa interdisciplinar vista a necessidade de unir os recursos e ferramentas computacionais para concretizar princpios pedaggicos estudados. Com a construo deste Mdulo Tutor sob tais aspectos o sistema alcanar o carter individualizado de ensino, permitindo o aprendizado com a considerao das individualidades de cada estudante. Para a validao e testes do Mdulo Tutor e suas caractersticas pedaggicas sero realizadas simulaes com informaes inseridas na Base de Modelos de Aluno, bem como sero feitos testes com uma turma de 40 alunos. L sero sorteados perfis de aluno para a extrao de suas caractersticas, tais como quais exerccios realizados, exemplos acompanhados ou ainda explanaes tericas lidas. Com isto ser possvel ao Mdulo Tutor oferecer um plano de ensino com contedos de forma adequada e individual para cada perfil, baseando-se nas suas abordagens pedaggicas e tipos de material instrucional a sua disposio na Base de Domnio.

Referncias Anderson, J.et al (1992) "General principles for an intelligent tutoring architecture" In: Cognitive Approaches to Automated Instruction. Mawah, NJ: Erlbaum. Bellifemine, F. et al (2009) "JADE A White Paper". Disponivel em: <http://jade.tilab.com/papers/2003/WhitePaperJADEEXP.pdf>. Bloom, B. S. (1956) "Taxonomy of Educational Objectives" In: The classification of educational goals: Handbook I, cognitive domain. New York: Longman. Bloom, B. S. (1982) "The 2 Sigma Problem: The search for methods of group instruction as effective as one-to-one tutoring". In: Educational Researcher. [S.l.]: [s.n.]. p. 4-16. Cohen, P. R.; Beal, C. R.; Adams, N. M. The Design, Deployment and Evaluation of the AnimalWatch Intelligent Tutoring System. In: Proceeding of the 2008 conference on ECAI 2008: 18th European Conference on Artificial Intelligence. [S.l.]: IOS Press, 2008. Corbett, A. T. Koedinger, K. R. Anderson, J. R. (1997) "Intelligent Tutoring Systems" In: SCIENCE, E. Handbook of Human-Computer Interaction, 2nd edition. [S.l.]: [s.n.]. p. 849-870. Damasceno, F. R. Cruz, A. D. Jaques, P. (2010) "Sistema Tutor Inteligente PAT2Math: Proposta de Arquitetura Multi-Agente" In: Workshop-Escola de Sistemas de Agentes, seus Ambientes e Aplicaes. Rio Grande: [s.n.]. Jaques, P. A. (2008) "Avaliando um Modelo Afetivo de Aluno baseado em uma Abordagem Cognitiva" In: Simpsio Brasieliro de Informtica na Educao. Mello, G. et al (2009) "Implementando o Agente de Base de Domnio do Sistema Tutor Inteligente PAT2Math" In: XIII Ciclo de Palestras sobre Novas Tecnologias na Educao. Porto Alegre: [s.n.]. Merril, M. D. (2001) "First Principles of Instruction". In: Education Technology Research & Development. Moreira, M. A.(1999) "Teorias de Aprendizagem". So Paulo: EPU - Editora Pedaggica e Universitria LTDA. Moyss, L. (1997) "Aplicaes de Vygotsky Educao Matemtica". Campinas: Papirus. Murray, T. (1999) "Authoring intelligent tutoring systems: An analysis of the state of the art" In: International journal of artificial intelligence in education, vol. 10. Padgham, L. Winikoff, M (2004). "The Prometheus Metodology". Seffrin, H. et al (2009) "Um resolvedor de equaes algbricas como ferramenta de apoio sala de aula no ensino de equaes algbricas" In: Workshop de Informtica na Escola. Bento Gonalves: [s.n.]. Seffrin, H. et al. Sistema Tutor Inteligente PAT2Math: Estudo de Caso na Resoluo de Equaes. Latin American Conference on Learning Objects, So Paulo, 2010. Siekmann, E.; Melis, J. ActiveMath: An Intelligent Tutoring System for Mathematics. Artificial Intelligence and Soft Computing - ICAISC, 2004. Stacey, K. Macgregor, M. (2000) "Learning the Algebraic Method of Solving Problems" In: Journal of Mathematical Behavior. VanLehn, K. The Behavior of Tutoring Systems. International Journal of Artificial Intelligence in Education, 2006. Vygotsky, S. Luria, S. Leontiev, N. A (1934-1986) "Linguagem, Desenvolvimento e Aprendizagem" [S.l.]: [s.n.].