Tese apresentada à Pró-Reitoria de Pós

Transcrição

Tese apresentada à Pró-Reitoria de Pós-Graduação e Pesquisa do Instituto
Tecnológico de Aeronáutica, como parte dos requisitos para obtenção do título
de Doutor em Ciências no Curso de Pós-Graduação de Engenharia Elétrica e
Computação, Área Informática.
Robinson Vida Noronha
CONCEITOS E MODELOS DE EXECUÇÃO DE
EXERCÍCIOS DE COMUNICAÇÃO
ESTRUTURAL
Tese aprovada em sua versão final pelos abaixo assinados:
Prof. Dr. Clovis Torres Fernandes
Orientador
Prof. Dr. Homero Santiago Maciel
Pró-Reitor de Pós-Graduação e Pesquisa
Campo Montenegro
São José dos Campos, SP – Brasil
2007
Dados Internacionais de Catalogação-na-Publicação (CIP)
Divisão Biblioteca Central do ITA/CTA
Noronha, Robinson Vida
Conceitos e Modelos de Execução de Exercı́cios de Comunicação Estrutural / Robinson Vida
Noronha.
São José dos Campos, 2007.
289f.
Tese de Doutorado – Curso de Engenharia Elétrica e Computação. Área de Informática –
Instituto Tecnológico de Aeronáutica, 2007. Orientador: Prof. Dr. Clovis Torres Fernandes. .
1. Sistemas Instrucionais Inteligentes. 2. Comunicação Estrutural. 3. Problemas Mal
Estruturados. I. Centro Técnico Aeroespacial. Instituto Tecnológico de Aeronáutica. Divisão de
Ciência da Computação. II. Tı́tulo.
REFERÊNCIA BIBLIOGRÁFICA
NORONHA, Robinson Vida. Conceitos e Modelos de Execução de Exercı́cios de
Comunicação Estrutural. 2007. 289f. Tese de Doutorado – Instituto Tecnológico de
Aeronáutica, São José dos Campos.
CESSÃO DE DIREITOS
NOME DO AUTOR: Robinson Vida Noronha
TITULO DO TRABALHO: Conceitos e Modelos de Execução de Exercı́cios de
Comunicação Estrutural.
TIPO DO TRABALHO/ANO: Tese / 2007
É concedida ao Instituto Tecnológico de Aeronáutica permissão para reproduzir cópias
desta tese e para emprestar ou vender cópias somente para propósitos acadêmicos e
cientı́ficos. O autor reserva outros direitos de publicação e nenhuma parte desta tese
pode ser reproduzida sem a autorização do autor.
Avenida Sete de Setembro, 3165
CEP 80230-901 – Curitiba - Paraná
CONCEITOS E MODELOS DE EXECUÇÃO DE
EXERCÍCIOS DE COMUNICAÇÃO
ESTRUTURAL
Composição da Banca Examinadora:
Prof. Dr.
José Maria Parente
Presidente
-
ITA
Prof. Dr.
Clovis Torres Fernandes
Orientador
-
ITA
Prof. Dr.
Nizam Omar
Membro Interno
-
ITA
Prof(a). Dr(a). Rosa Maria Viccari
Membro Externo -
UFRGS
Prof. Dr.
Membro Externo -
UFES
Crediné Silva de Menezes
ITA
Dedico este trabalho à memória de meu pai, Ronald Antonio
Noronha, o primeiro Noronha a
ingressar no ITA e que, por um
capricho do destino, não concluiu os seus estudos. Dedico
também à minha mãe, que não
permitiu que eu sentisse a falta
dele e esteve sempre ao meu
lado, mesmo quando eu precisei ficar distante.
Agradecimentos
O perı́odo necessário para obtenção do tı́tulo de doutor pode ser considerado uma vida.
Uma vida para fazer novos amigos e resgatar outros, antigos. Uma vida para passar por
momentos de muita alegria e realizações. Uma vida para tropeçar, levantar e sacudir a
poeira, graças à ajuda de algumas pessoas maravilhosas. Listar o nome dessas pessoas
como forma de agradecimento é muito pouco diante de tudo que elas fizeram por mim.
Mesmo sendo pouco, listo o nome de algumas às quais serei eternamente grato.
O orientador e idealizador deste trabalho, professor Clovis Torres Fernandes, quem
soube respeitar e compreender as minhas falhas e dificuldades e me ajudou a superá-las.
Um verdadeiro farol em mares que eu considerei tempestuosos.
O professor Nizam Omar, um amigo e tutor “mais que inteligente” que estendeu a mão
quando eu precisei.
Quem sempre soube me ouvir e discutir esse singelo trabalho, o amigo e professor
Alexandre Romiszowski.
José Maria Parente, quem apresentou o artigo que impulsionou esta pesquisa, o artigo
(JONASSEN, 2000) e por agradáveis momentos de conversa e troca de idéias.
À banca examinadora deste trabalho, professores que compartilharam o conhecimento
de uma vida dedicada à pesquisa cientı́fica.
Uma vida de doces lembranças com os amigos Cristiam, Rafael Duarte Santos, Marcos
Cunha e famı́lia, Fabio e Amita, Rosana, Becceneri, Demı́sio, Vilma, Graça e demais
companheiros do IBTA. Amigos de excelentes recordações.
O amigo e colega Ubiradir pela oportunidade de deliciar-me com essa experiência.
Uma vida que se modifica graças ao bom exemplo e conselhos do amigo Alexandre H.
Direne, o eterno professor.
Uma vida de muitas lembranças musicais com os amigos da “Big” Banda do CTA.
vi
Rodrigues, “Sub” Luciano, Escobar, Tróglio, De Paula, Nehemias, Samuel, Santos, Isaı́as,
Menezes, Aniceto, Eli, Issac, Durvalino, Alexandre, Irineu, irmãos Corrêa, Mário Lúcio,
Américo, Alberto, Lourenço, Cunha, Andrade, Rogens, Ricardo, Rodrigo, Thiago,
Elizeu, Bino, Félix, Jovelino, Monteiro, Robson, Santos, Alberto, muito obrigado!
Uma vida de doces recordações e agradecimentos à Erika Sato, Hieda Moraes, Luciana
Gouvea e Glauco Guimarães. Pessoas maravilhosas que, de maneiras distintas,
participaram e muito contribuı́ram com essa jornada.
Mil vidas de agradecimentos e recordações a quem sempre zelou por mim, o amigo João
Paulo Manoel Moreira e aos seus familiares, “Seu” Benedito, “Dona” Lica e Rita.
Uma vida de agradecimento a quem soube zelar pela famı́lia perante a minha ausência, o
meu irmão Alex.
Uma eternidade de agradecimentos à minha mãe.
“When you wish upon a star”
— Ned Washington e Leigh Harline
Resumo
A integração da técnica instrucional chamada Comunicação Estrutural ou Structural Communication-SC e um tı́pico Sistema Tutor Inteligente é o objeto desta pesquisa.
Desenvolvida na década de 60, essa técnica baseia-se no emprego de um mecanismo de
casamento de padrão juntamente com um conjunto de regras de produção. Identificar
quais mensagens textuais deveriam ser apresentadas como retorno da solução apresentada
por um aprendiz a um problema pouco estruturado é o cerne dessa técnica. Diante da
grande quantidade de soluções possı́veis que poderiam ser apresentadas a esse problema,
o sistema de casamento de padrão apresenta-se como mecanismo inapropriado para selecionar essas mensagens. Logo, investigou-se a possibilidade de substituição do sistema
de casamento de padrões por um sistema de cálculo da distância entre dois vetores binários. Nesse contexto, busca-se identificar a regra mais próxima de qualquer solução
apresentada. Investigou-se, também, como representar de forma estruturada o domı́nio
pouco estruturado em atividades instrucionais que utilizam essa técnica. Os resultados
obtidos nesta pesquisa poderão servir de auxı́lio aos desenvolvedores de Sistemas Tutores
Inteligentes baseados na solução de problemas mal estruturados.
Palavras–Chave: Comunicação Estrutural, Sistemas Instrucionais Inteligentes, Atividades Instrucionais baseadas em Problemas Mal Estruturados
Abstract
How to integrate an instructional technique called Structural Communication and a
typical Intelligent Tutor System - ITS is the main objective of this doctoral research.
Developed during the sixties, this instructional technique is based on a pattern matcher
and a set of production rules. These rules are used to identify which feedback message
should be presented to the student during the execution of instructional exercises. It was
investigate which instructional theory could be associate with Structural Communication,
and students stereotypes was developed. Another aspect investigated was the possibility to
change the pattern matcher to another system. In this approach, the system should identify
which rules are more similar with the students solutions. How to represent ill-structured
domain in a structured way is another contribuition of this research. The integration of
Structural Communication and ITS produced a theoretical framework that could be used
to represent ill-structured problems in an ITS perspective.
Keywords: Structural Communication, Intelligent Tutor Systems, Instructional Activities based on Ill-Structured Problems
Sumário
Lista de Figuras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvii
Lista de Tabelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxi
Lista de Abreviaturas e Siglas . . . . . . . . . . . . . . . . . . . . xxiv
1
Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
1.1
Contexto da Pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.2
Problema de Pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.3
Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.4
Arquitetura do modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.5
Estrutura do Documento . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2
Sistemas Computacionais Aplicados à Execução de Atividades Instrucionais Baseadas em Problemas . . . . . .
2.1
35
Atividades Instrucionais Baseadas em Problemas . . . . . . . . . . . . 36
2.1.1
Caracterização de um ISP . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.1.2
Categorias de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.1.3
Restrições dos ISPs e WSPs . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.1.4
Habilidades Relacionadas com o Processo de Solução de Problemas . . . . . 47
2.1.5
Teoria da Flexibilidade Cognitiva . . . . . . . . . . . . . . . . . . . . . . . 49
SUMÁRIO
2.1.6
2.2
xi
O Processo de Busca pela Solução de um ISP
. . . . . . . . . . . . . . . . 51
Sistemas Computacionais . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.2.1
Sistemas Instrucionais Cooperativos . . . . . . . . . . . . . . . . . . . . . . 57
2.2.2
Sistemas Instrucionais Individuais . . . . . . . . . . . . . . . . . . . . . . . 58
2.2.3
Sistemas Instrucionais Individuais e Cooperativos e a Tipologia de Problemas de Jonassen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.3
Algumas Estruturas de ITSs . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.4
Conclusão
3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
Comunicação Estrutural . . . . . . . . . . . . . . . . . . . . . .
64
3.1
Contexto da Utilização da Comunicação Estrutural . . . . . . . . . . 65
3.2
Estrutura da Comunicação Estrutural . . . . . . . . . . . . . . . . . . . 67
3.3
A SC e a Teoria da Flexibilidade Cognitiva . . . . . . . . . . . . . . . 70
3.3.1
CFT e a Matriz de Resposta . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.3.2
Qual É a Função da Matriz Resposta de Acordo com a CFT? . . . . . . . . 73
3.3.3
CFT e a Seção Apresentação . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.3.4
CFT e a Seção Guia de Discussão . . . . . . . . . . . . . . . . . . . . . . . 76
3.4
Pesquisas Realizadas com a SC . . . . . . . . . . . . . . . . . . . . . . . 78
3.4.1
SC no Estudo em Grupo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.4.2
SC no Estudo Individual . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.4.3
SC como Ferramenta de Avaliação . . . . . . . . . . . . . . . . . . . . . . . 81
3.4.4
Resumo dos Relatos das Pesquisas Realizadas com a SC . . . . . . . . . . . 82
3.5
Prováveis Dificuldades de Execução da Atividade Instrucional com
a SC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.5.1
A Importância do Controle das Mensagens Textuais de Retorno de Interação Apresentadas ao Aprendiz . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.5.2
Seleção de Regras do Guia de Discussão . . . . . . . . . . . . . . . . . . . . 91
SUMÁRIO
3.5.3
xii
As Regras do Guia de Discussão Estão Sujeitas a Múltiplas Interpretações . 92
3.6
Convenção de Representação nas Regras do Guia de Discussão . . . 93
3.7
Conclusão
4
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Módulo do Domı́nio . . . . . . . . . . . . . . . . . . . . . . . . . .
95
4.1
Informações da Prática de Definição de Atividades Instrucionais . . 96
4.2
Condições Existenciais do Modelo de Representação de Conhecimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.3
Identificação dos Elementos do Modelo de Representação do Conhecimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.3.1
Identificação de IO e IGs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.3.2
Identificação das KWKs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
4.3.3
Relacionamento KWK - Matriz de Resposta . . . . . . . . . . . . . . . . . 102
4.3.4
Relacionamento KWK - IG . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
4.4
Exemplo de Emprego do Modelo no Desenvolvimento de uma Atividade Instrucional SC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.5
4.5.1
Formas de Representar os Elementos da Matriz de Resposta . . . . 113
Representação de Elementos da Matriz de Resposta através de Expressão
de Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4.5.2
Representação de Elementos Selecionados da Matriz Resposta e da sua
Ordem Através de um Vetor . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.5.3
Representação Binária da Lista de Elementos Contidos em uma Regra ou
Solução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.5.4
Quando utilizar cada uma das representações SEC , S−> e S01 . . . . . . . . 120
4.6
Módulo Tradutor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.7
O Módulo do Domı́nio do SCAT. . . . . . . . . . . . . . . . . . . . . . . 124
4.8
Conclusão
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
SUMÁRIO
5
5.1
xiii
Módulo do Especialista . . . . . . . . . . . . . . . . . . . . . . . 127
Relações Possı́veis entre Regra do Guia de Discussão e Solução do
Aprendiz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.2
Como Comparar as Regras do Guia de Discussão com uma Possı́vel
Solução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
5.2.1
O Conceito de Proximidade de Johnstone para Identificar Regras no Guia
de Discussão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
5.2.2
Outras Formas de Calcular a Proximidade . . . . . . . . . . . . . . . . . . 137
5.3
Caracterı́sticas da Regras . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.4
Caracterı́sticas das Estratégias de Seleção . . . . . . . . . . . . . . . . 146
5.5
Relacionamento entre Estratégia e METERI . . . . . . . . . . . . . . . 146
5.6
Representação das Regras do Guia de Discussão . . . . . . . . . . . . 149
5.6.1
Estrutura de Informação da Regra . . . . . . . . . . . . . . . . . . . . . . . 149
5.7
O Módulo do Especialista . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
5.8
Conclusão
6
6.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
Módulo do Aprendiz . . . . . . . . . . . . . . . . . . . . . . . . . 155
Desenvolvimento de Estereótipos de Aprendizes de Acordo com os
Estilos Cognitivos Convergente e Divergente . . . . . . . . . . . . . . . 156
6.1.1
Classificação de uma Solução de Acordo com o Estilo Cognitivo . . . . . . 157
6.1.2
O Estilo Cognitivo do Histórico de Soluções
6.1.3
Análise Conjunta do Histórico de Soluções . . . . . . . . . . . . . . . . . . 161
6.2
. . . . . . . . . . . . . . . . . 160
Representação da Solução do Aprendiz Através da Expressão de
Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
6.3
6.3.1
Classificação dos Aprendizes . . . . . . . . . . . . . . . . . . . . . . . . . 165
Primeira Camada: Classificação dos Aprendizes a Partir da Análise Individual da Solução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
SUMÁRIO
6.3.2
xiv
Segunda Camada: Classificação dos Aprendizes a Partir do Histórico de
Soluções. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
6.3.3
Terceira Camada: Classificação dos Aprendizes a partir do histórico do
caminho das soluções . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
6.3.4
6.4
Análise das Classificações . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
Módulo do Aprendiz do SCAT . . . . . . . . . . . . . . . . . . . . . . . 176
6.4.1
Módulo Atualizador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
6.4.2
Pesquisador do Modelo de Aprendiz . . . . . . . . . . . . . . . . . . . . . . 179
6.4.3
Pesquisador do Repositório de Padrões . . . . . . . . . . . . . . . . . . . . 180
6.5
7
7.1
Conclusão
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
Módulo de Orientação . . . . . . . . . . . . . . . . . . . . . . . . 185
O Espaço Tetradimensional das Mensagens Textuais de Retorno
de Interação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
7.1.1
A Primeira Dimensão - A Mensagem Textual de Retorno de Interação é
Função da Solução Apresentada . . . . . . . . . . . . . . . . . . . . . . . . 187
7.1.2
A Segunda Dimensão - A Mensagem Textual de Retorno de Interação como
Função de Quem Apresentou a Solução . . . . . . . . . . . . . . . . . . . . 188
7.1.3
A Terceira Dimensão - A Mensagem Textual de Retorno de Interação Como
Função do Histórico de Soluções. . . . . . . . . . . . . . . . . . . . . . . . . 189
7.1.4
A Quarta Dimensão - A Mensagem Textual de Retorno de Interação Como
Função do Autor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
7.1.5
Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
7.2
Condução de Exercı́cios SC . . . . . . . . . . . . . . . . . . . . . . . . . 192
7.3
A METERI e a Função Condutora do Aprendiz para o término do
Exercı́cio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
7.4
Caracterı́sticas do Conteúdo da METERI . . . . . . . . . . . . . . . . 193
7.5
Critério de ordenação e seleção das Regras do Guia de Discussão . 194
SUMÁRIO
xv
7.5.1
Como Identificar a Ordem de Prioridade da Regra . . . . . . . . . . . . . . 195
7.5.2
Identificação da M ET ERI(1D) e o Critério de Seleção da Regra . . . . . . 196
7.6
Módulo de Orientação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
7.6.1
Funcionamento do Módulo de Orientação . . . . . . . . . . . . . . . . . . . 201
7.6.2
Analisador da Solução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
7.6.3
Identificador de Novos Objetivos . . . . . . . . . . . . . . . . . . . . . . . . 207
7.6.4
Pesquisador do Modelo do Aprendiz . . . . . . . . . . . . . . . . . . . . . . 210
7.6.5
Gerador de Dicas Condutivas
7.6.6
Gerador de Textos a Respeito do Desempenho do Aprendiz . . . . . . . . . 213
7.6.7
Repositório de Modelos de Mensagens . . . . . . . . . . . . . . . . . . . . . 217
7.6.8
Módulo Construtor de METERI . . . . . . . . . . . . . . . . . . . . . . . . 221
7.7
8
8.1
. . . . . . . . . . . . . . . . . . . . . . . . . 210
Conclusões . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
Avaliação da Proposta de Solução . . . . . . . . . . . . . . 223
Simulações Computacionais Realizadas . . . . . . . . . . . . . . . . . . 223
8.1.1
Implementações Computacionais . . . . . . . . . . . . . . . . . . . . . . . . 224
8.1.2
Experimento 1: Uso do Modelo de Representação de Conhecimento . . . . 225
8.1.3
Experimento 2: Determinação da influência da escolha do método de cálculo
de Similaridade e Dissimilaridade . . . . . . . . . . . . . . . . . . . . . . . 226
8.1.4
Experimento 3: Determinação da quantidade de Soluções Convergentes e
Divergentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
8.1.5
Experimento 4: Determinação da quantidade de Estereótipos possı́veis. . . 233
8.1.6
Experimento 5: O Cálculo de Similaridade de uma Regra do Guia de Discussão É Influenciado pelas Regras do Guia de Discussão?
. . . . . . . . . 236
8.2
Limitações do Modelo SCAT . . . . . . . . . . . . . . . . . . . . . . . . . 238
8.3
Conclusão
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
SUMÁRIO
9
xvi
Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
9.1
Relevância da Pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
9.2
Originalidade da Pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . 247
9.3
Contribuições do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . 248
9.4
Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
9.5
Conclusões Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
Referências Bibliográficas . . . . . . . . . . . . . . . . . . . . . . . 255
Apêndice A
–
Exemplo de Atividade Instrucional SC:
“The Merchant Adventurers” . . . . . . . . . . . . . . . . . . 262
Apêndice B – Exemplo parcial de Atividade Instrucional
SC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
Lista de Figuras
FIGURA 1.1 – Diagrama em Blocos do SCAT.
. . . . . . . . . . . . . . . . . . . . 33
FIGURA 2.1 – Relacionamento entre AIBP e Exercı́cio . . . . . . . . . . . . . . . . 37
FIGURA 2.2 – Tipologia de Problemas de Jonassen (JONASSEN, 2004) . . . . . . . 40
FIGURA 2.3 – Idealização das restrições lógicas entre WSP e ISP. . . . . . . . . . . 46
FIGURA 2.4 – Exemplos de estrutura com conceitos. . . . . . . . . . . . . . . . . . 50
FIGURA 2.5 – Alguns padrões de justificativa da solução dos a)WSPs e ISPs; b)ISPs 53
FIGURA 3.1 – Possı́veis seqüências de apresentação das seções de uma SC. . . . . . 69
FIGURA 3.2 – Exemplos de Estruturação dos Elementos da Matriz de Resposta . . 72
FIGURA 3.3 – Exemplo simbólico da estrutura conceitual dos elementos da Matriz
de Resposta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
FIGURA 3.4 – Exemplo de possı́vel relacionamento entre uma estrutura conceitual
e a seção Apresentação. . . . . . . . . . . . . . . . . . . . . . . . . . 75
FIGURA 3.5 – Exemplo de cinco conceitos que podem ser estruturados e a sua
correspondente representação através de Regra de Produção. . . . . 77
FIGURA 3.6 – Exemplo simbólico de representação através da CFT-G das Regras
do Guia de Discussão. . . . . . . . . . . . . . . . . . . . . . . . . . . 78
FIGURA 3.7 – Exemplo de regras do Guia de Discussão traduzido de (FYFE; WOODROW, 1969). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
85
FIGURA 3.8 – Exemplo de Matrix de Resposta traduzido de (FYFE; WOODROW,
1969). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
LISTA DE FIGURAS
xviii
FIGURA 3.9 – Árvore de simulação da regra selecionada do Guia de Discussão em
função da solução do aprendiz. . . . . . . . . . . . . . . . . . . . . . 87
FIGURA 4.1 – Modelo de representação do conhecimento (MRC). . . . . . . . . . . 97
FIGURA 4.2 – Estratégias de teste do Modelo de Representação do Conhecimento.
98
FIGURA 4.3 – Procedimento de análise de uma atividade instrucional SC. . . . . . 100
FIGURA 4.4 – Estrutura de Relacionamento entre Desafio - IG - IO da atividade
instrucional. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
FIGURA 4.5 – Exemplo de relacionamento entre KWKs e um elemento da Matriz
de Resposta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
FIGURA 4.6 – Modelo Expandido de Representação do Conhecimento (MRC-X). . 106
FIGURA 4.7 – Exemplo parcial de representação do domı́nio. . . . . . . . . . . . . 108
FIGURA 4.8 – Procedimentos para o uso do modelo de representação do conhecimento proposto na autoria de uma atividade instrucional SC. . . . . 113
FIGURA 4.9 – Exemplo do uso do mecanismo T radutor(−>) na lista de elementos S. 118
FIGURA 4.10 –Módulo Tradutor de Solução . . . . . . . . . . . . . . . . . . . . . . 122
FIGURA 4.11 –Módulo do Domı́nio do Modelo SCAT. . . . . . . . . . . . . . . . . 124
FIGURA 5.1 – Exemplo simbólico das possı́veis relações entre a solução do aprendiz
e a regra da Guia de Discussão. . . . . . . . . . . . . . . . . . . . . 129
FIGURA 5.2 – Representação do universo de Regras do Guia de Discussão e da
solução “S” do aprendiz.) . . . . . . . . . . . . . . . . . . . . . . . . 134
FIGURA 5.3 – Exemplo de como determinar os valores dos parâmetros B00 e B01 . . 139
FIGURA 5.4 – Módulo do Especialista do Modelo SCAT. . . . . . . . . . . . . . . . 153
FIGURA 6.1 – Exemplo Simbólico de Solução Convergente. . . . . . . . . . . . . . 159
FIGURA 6.2 – Exemplo Simbólico de Solução Divergente. . . . . . . . . . . . . . . 160
FIGURA 6.3 – Exemplo simbólico da análise conjunta do histórico de soluções.
Condição de Convergência do Histórico. . . . . . . . . . . . . . . . . 162
LISTA DE FIGURAS
xix
FIGURA 6.4 – Exemplo simbólico da análise conjunta do histórico de soluções.
Condição de Divergência do Histórico. . . . . . . . . . . . . . . . . . 163
FIGURA 6.5 – Representação das três camadas de representação do Modelo do
Aprendiz.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
FIGURA 6.6 – Representação do exemplo de solução Convergente. . . . . . . . . . 168
FIGURA 6.7 – Representação do exemplo de solução Divergente. . . . . . . . . . . 169
FIGURA 6.8 – Representação da solução do aprendiz Divergente de acordo com os
conceitos relevantes e irrelevantes. . . . . . . . . . . . . . . . . . . . 170
FIGURA 6.9 – Representação da solução Convergente. . . . . . . . . . . . . . . . . 170
FIGURA 6.10 –Representação da classificação do aprendiz de acordo com a análise
da solução individual. . . . . . . . . . . . . . . . . . . . . . . . . . . 171
FIGURA 6.11 –Representação da classificação do aprendiz de acordo com a análise
do histórico de soluções.
. . . . . . . . . . . . . . . . . . . . . . . . 173
FIGURA 6.12 –Representação da classificação do aprendiz de acordo com o “caminho de solução”. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
FIGURA 6.13 –Camadas de classificação do aprendiz em atividades instrucionais SC.175
FIGURA 6.14 –Módulo do Aprendiz. . . . . . . . . . . . . . . . . . . . . . . . . . . 177
FIGURA 6.15 –Módulo Atualizador do Modelo do Aprendiz. . . . . . . . . . . . . . 179
FIGURA 6.16 –Módulo Pesquisador do Modelo de Aprendiz. . . . . . . . . . . . . . 180
FIGURA 6.17 –Exemplo de Classificação do Módulo Pesquisador do Modelo de
Aprendiz.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
FIGURA 7.1 – Espaço das Soluções e METERIs . . . . . . . . . . . . . . . . . . . . 187
FIGURA 7.2 – Representação Gráfica das soluções, das mensagens e do tipo de
aprendiz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
FIGURA 7.3 – Prioridade de seleção de regra do Guia de Discussão. . . . . . . . . . 195
FIGURA 7.4 – Estrutura do Módulo de Orientação . . . . . . . . . . . . . . . . . . 198
FIGURA 7.5 – Fluxo de ações do Módulo de Orientação . . . . . . . . . . . . . . . 201
LISTA DE FIGURAS
xx
FIGURA 7.6 – Modelo para identificar a regra mais apropriada entre as regras armazenadas no Guia de Discussão. . . . . . . . . . . . . . . . . . . . 203
FIGURA 7.7 – Módulo Analisador da Solução . . . . . . . . . . . . . . . . . . . . . 204
FIGURA 7.8 – Módulo Identificador de Novos Objetivos . . . . . . . . . . . . . . . 208
FIGURA 7.9 – Mecanismo Localizador de METERI . . . . . . . . . . . . . . . . . . 209
FIGURA 7.10 –Diferenças entre a solução apresentada e uma determinada regra. . . 210
FIGURA 7.11 –Representação do fluxo de decisões do Gerador de Dicas Condutivas 212
FIGURA 7.12 –Módulo Gerador de Dicas Condutivas. . . . . . . . . . . . . . . . . . 212
FIGURA 7.13 –Módulo Gerador de Textos a respeito do desempenho do aprendiz . 213
FIGURA 7.14 –Repositório de Modelos de Mensagens . . . . . . . . . . . . . . . . . 217
FIGURA 9.1 – Modelo de Representação de ambientes instrucionais computacionais
e respectivos tipos de problemas . . . . . . . . . . . . . . . . . . . . 245
FIGURA 9.2 – Modelo de Representação da aproximação de ITS(s) e ISPs. . . . . . 245
FIGURA 9.3 – Paradigma do SCAT. . . . . . . . . . . . . . . . . . . . . . . . . . . 248
Lista de Tabelas
TABELA 2.1 – Algumas Caracterı́sticas que podem ser observadas nos ISPs . . . . 39
TABELA 2.2 – Caracterı́sticas de alguns Sistemas Computacionais AIBPs. . . . . . 61
TABELA 3.1 – Possı́veis dificuldades operacionais e de execução da SC. . . . . . . . 84
TABELA 3.2 – Quantidade de vezes que uma regra foi selecionada. . . . . . . . . . 90
TABELA 3.3 – Quantidade de ocorrências simultâneas. . . . . . . . . . . . . . . . . 90
TABELA 3.4 – Quantidade de vezes que uma regra é selecionada. . . . . . . . . . . 90
TABELA 3.5 – Quantidade de ocorrências simultâneas. . . . . . . . . . . . . . . . . 91
TABELA 4.1 – Lista de algumas KWKs que podem ser encontradas na Matriz Resposta e na Seção Apresentação do exemplo analisado. . . . . . . . . 103
TABELA 4.2 – Matriz de Resposta traduzida. . . . . . . . . . . . . . . . . . . . . . 104
TABELA 4.3 – Relacionamento de KWKs com os elementos Fs da Matriz Resposta. 105
TABELA 4.4 – Relacionamentos entr KWKs, Fs, IGs . . . . . . . . . . . . . . . . . 109
TABELA 4.5 – Lista as KWKs escolhidas por um autor fictı́cio e os IGs da atividade
instrucional. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
TABELA 5.1 – Relação entre o conjunto {Objetoi , Objetoj } com o conjunto {Solução, Regra}.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
TABELA 5.2 – Definição de parâmetros B(SR) entre dois objetos binários. . . . . . . 139
TABELA 5.3 – Algumas equações para o cálculo de Similaridade entre dois vetores. 140
TABELA 5.4 – Algumas equações para o cálculo de Dissimilaridade entre dois vetores.140
LISTA DE TABELAS
xxii
TABELA 5.5 – Exemplo de conversão para vetores binários das regras do Guia de
Discussão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
TABELA 5.6 – Valores dos parâmetros para cada uma das regras apresentadas na
Tabela 5.5 para solução formada pelos elementos {10, 11, 18, 19, 20}.143
TABELA 5.7 – Estratégias de Seleção de Regra x Padrão de METERI. . . . . . . . 149
TABELA 5.8 – Exemplo completo da Estrutura para a regra número 1 do Guia de
Discussão do Desafio 1 do Apêndice A. . . . . . . . . . . . . . . . . 151
TABELA 5.9 – Exemplo parcial da Estrutura para as regras da Guia de Discussão
do Desafio número 1, do Apêndice A. . . . . . . . . . . . . . . . . . 152
TABELA 6.1 – Exemplo Simbólico de Histórico de Soluções Divergentes. . . . . . . 161
TABELA 6.2 – Exemplo Simbólico de Histórico de Soluções Convergentes. . . . . . 161
TABELA 6.3 – Exemplo Simbólico de Histórico de Soluções Mistas. . . . . . . . . . 161
TABELA 6.4 – Exemplo de Análise e Classificação da Solução do Aprendiz.
. . . . 171
TABELA 6.5 – Estereótipos Definidos para o Módulo do Aprendiz . . . . . . . . . . 176
TABELA 6.6 – Exemplo de possı́veis padrões de mensagens que poderiam estar associados aos aprendizes do tipo CCC e DCC. . . . . . . . . . . . . . 182
TABELA 7.1 – Composição da M ET ERI(f inal) . . . . . . . . . . . . . . . . . . . . . 191
TABELA 7.2 – Composição da M ET ERI(1D) . . . . . . . . . . . . . . . . . . . . . . 197
TABELA 7.3 – Exemplo de Informações armazenadas no Histórico do Aprendiz. . . 214
TABELA 7.4 – Significado das listas AND, XOR, XOR0 e XOR” . . . . . . . . . . 220
TABELA 8.1 – Probabilidade de Seleção de Regra. . . . . . . . . . . . . . . . . . . 229
TABELA 8.2 – Tabela Resumo da probabilidade de seleção simultânea de N regras. 229
TABELA 8.3 – Quantidade de Soluções Convergentes e Divergentes. . . . . . . . . . 231
TABELA 8.4 – Quantidade de Ocorrências do valor Central nas Soluções Convergentes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
LISTA DE TABELAS
xxiii
TABELA 8.5 – Quantidade de Ocorrências de cada KWK nas soluções classificadas
como Convergentes e Divergentes. . . . . . . . . . . . . . . . . . . . 232
TABELA 8.6 – Quantidade identificada de estereótipos de aprendiz. . . . . . . . . . 235
TABELA 8.7 – Quantidade de estereótipos de aprendizes. . . . . . . . . . . . . . . . 235
TABELA 8.8 – Quantidade de vezes que cada regra do Guia de Discussão foi selecionada pelo emprego da equação DE apresentada na Tabela 5.3. . . 237
TABELA 8.9 – Quantidade de vezes que nenhuma, uma, duas, três, quatro até
quinze regras são ao mesmo tempo selecionadas pela equação DE
da Tabela 5.4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
TABELA 8.10 –Critério de seleção utilizado pela equação DE da Tabela 5.4. . . . . 238
TABELA 8.11 –Quantidade de vezes que cada regra do Guia de Discussão da página
272 foi selecionada pelo emprego da Equação DE apresentada na
Tabela 5.3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
TABELA 8.12 –Quantidade de vezes que diversas regras são ao mesmo tempo selecionadas pela Equação DE da Tabela 5.4. . . . . . . . . . . . . . . . 239
TABELA 8.13 –Critério de seleção utilizado pela Equação DE da Tabela 5.4. . . . . 239
Lista de Abreviaturas e Siglas
AIBP
-
Atividade Instrucional Baseada em Problema.
CFT-G
-
Grafo de Conceitos.
IG
-
Instrucional Goal.
IO
-
Instrucional Objective
ISP
-
Problema Mal ou Pouco Estruturado ou Ill-Structured
Problem.
ISKD
-
Domı́nio Pouco ou Mal Estruturado ou Ill-Structured
Knowledge Domain.
ITS
-
Sistema Tutor Inteligente ou Intelligent Tutor System.
KWK
-
Keyword Knowledge.
METERI
-
Mensagem Textual de Retorno de Interação.
MRC
-
Modelo de representação de conhecimento.
MRC-X
-
Modelo expandido de representação de conhecimento.
RBS
-
Sistema Baseado em Regras ou Rule Based System.
SC
-
Comunicação Estrutural ou Structural Communication.
SCAT
-
Structural Communication Activities Tools.
WSP
-
Problema Bem Estruturado ou Well-Structured Problem.
1 Introdução
Como integrar uma especı́fica técnica instrucional em um ambiente computacional
com caracterı́sticas inteligentes é o principal objetivo desta pesquisa. As seções formadoras deste primeiro capı́tulo contextualizam a pesquisa, definem o problema a ser investigado e apresentam a metodologia utilizada durante a pesquisa. Finalizando o capı́tulo, a
estrutura deste documento é apresentada.
1.1
Contexto da Pesquisa
Preparar os aprendizes para serem bons solucionadores de problemas deveria ser um
dos principais objetivos das atividades instrucionais (JONASSEN, 1997). Por meio de atividades instrucionais conhecidas e de domı́nio do professor, a Escola tem-se concentrado
em treinar aprendizes a resolver problemas de estrutura bem conhecida ou well-structured
problems - WSPs, os problemas encontrados ao final de um capı́tulo do livro-texto (JONASSEN, 1997). Um WSP é solucionado por meio de aplicação de um conjunto de regras,
procedimentos e princı́pios com parâmetros bem definidos (DöRNER, 1983; FERNANDES;
SIMON, 1999). Entretanto, os problemas que as pessoas enfrentam em sua vida particular
ou profissional raramente são estruturados e podem ser resolvidos através da aplicação de
regras. Esses problemas são denominados de pouco ou mal estruturados ou simplesmente
CAPÍTULO 1. INTRODUÇÃO
26
ill-structured problems-ISPs. (JONASSEN, 1997)
A necessidade de atividades instrucionais que possibilitem o desenvolvimento ou exercı́cio de habilidades especı́ficas de solução de ISPs é discutida por Dreyfus e Dreyfus (1986),
Hannafin et al. (1999) e Jonassen (1999). Esses autores também destacam o interesse,
a necessidade e a carência de ambientes computacionais que possibilitem a aprendizes
praticar ou exercitar certas habilidades especı́ficas necessárias para a solução de ISPs.
Representar atividades instrucionais baseadas em ISPs no ambiente computacional fornece um conjunto de desafios aos pesquisadores e instrutores. A solução de um problema
ISP não consiste apenas no uso de procedimentos, fórmulas ou algoritmos conhecidos.
Consiste, em alguns casos, em possibilitar que o aprendiz analise, julgue e relacione os
elementos do domı́nio que poderiam ser importantes para a solução.
ISPs podem apresentar várias soluções aceitáveis, mas nem sempre previsı́veis. Nesse
contexto, definir mecanismos de acompanhamento e guia do aprendiz durante a atividade
instrucional no ambiente computacional não é uma tarefa simples e provavelmente não
pode ser feita de forma completa. Segundo Wahlster e Kobsa (1988), aprendizes tendem
a apresentar soluções que não foram previstas pelo autor de uma atividade instrucional.
Atividades Instrucionais baseadas em ISPs diferenciam-se das atividades baseadas em
WSPs em diversos aspectos (HONG, 1998; JONASSEN, 2004). Um aspecto a destacar é a
finalidade ou objetivo da atividade instrucional. Atividade instrucional baseada em WSPs
como, por exemplo, no domı́nio da matemática, que procure ensinar o aprendiz a calcular
o valor da raiz quadrada de um número, poderia ter como objetivo capacitar o aprendiz a
empregar corretamente métodos ou técnicas conhecidas para solucionar um problema de
radiciação. O sucesso dessa atividade instrucional pode ser identificado quando o aprendiz
executa o cálculo de forma correta fornecendo o valor esperado.
27
Por outro lado, ISPs não possuem um objetivo claro ou fácil de identificar, como,
por exemplo, uma determinada atividade instrucional no domı́nio de História que procure analisar os motivos que ocasionaram o descobrimento da América. Essa atividade
instrucional poderia ter como objetivo analisar fatos históricos de acordo com diversas
perspectivas econômica, militar, polı́tica e religiosa. Preliminarmente, um professor poderia elaborar essa atividade instrucional através da definição do seguinte ISP: “Quais os
motivos que levaram ao descobrimento da América?”. Os aprendizes poderiam solucionar
esse problema investigando, por exemplo, dados históricos que poderiam ser obtidos de
uma biblioteca. Eles leriam, julgariam e selecionariam alguns fatos históricos quanto à
sua relevância para a solução do problema e apresentariam esses fatos ao professor.
Quanto aos fatos que poderiam ser selecionados por diversos aprendizes durante a
execução dessa atividade instrucional, algumas observações poderiam ser feitas:
• Diversas soluções distintas poderiam apresentar fatos em comum. Outras soluções
poderiam não apresentar essa caracterı́stica.
• Uma ou outra solução poderia apresentar fatos inesperados pelo professor.
• Alguns fatos que o professor consideraria importantes, poderiam não ter sido selecionados nem analisados pelos aprendizes.
• Outros fatos, que o professor julgaria ser de pouca relevância para o problema
poderiam ter sido investigados em profundidade pelos aprendizes.
A análise e avaliação dessas soluções é um processo que demandaria um elevado investimento de tempo da parte do professor. A diversidade dos fatos obtidos pelos aprendizes
tornaria esse processo longo e cansativo. Para reduzir o elevado investimento de tempo
28
dessa atividade, esse professor poderia fornecer, junto com o problema, um conjunto de
fatos que poderiam ser utilizados na composição das soluções. Nesse novo contexto, o
aprendiz necessitaria apenas analisar, avaliar, julgar e sintetizar esses fatos, selecionando
quais elementos estariam de acordo com a sua crença ou ponto de vista, descartando os
outros.
O professor poderia analisar e avaliar essa solução apresentada pelo aprendiz investigando quais dos elementos fornecidos foram selecionados ou omitidos; a partir dessa
análise, o professor poderia então comentar essa solução. O comentário fornecido pelo
professor estaria relacionado aos elementos selecionados ou omitidos na solução apresentada. Essa descrição representa uma das facetas de uma técnica instrucional desenvolvida
na década de 60, na Inglaterra. Essa técnica é denominada Comunicação Estrutural ou
Structural Communication - SC . (EGAN, 1976)
Nessa técnica, através de seis seções especı́ficas, o domı́nio da atividade instrucional é
fracionado e delimitado de tal forma a fornecer aos aprendizes elementos suficientes para
composição de diversas soluções a um ISP. A simulação de um diálogo entre o aprendiz
e o autor da atividade instrucional é parte integrante da SC. Esse diálogo é orientado
pelos elementos inseridos ou omitidos na solução apresentada pelo aprendiz ou grupo de
aprendizes. Conforme descrito por Egan (1976), para efeito de registro e representação,
esse diálogo poderia ser reduzido ao ato de apresentar uma mensagem textual contendo
o comentário do professor para a solução. Essa mensagem textual foi denominada neste
trabalho de MEnsagem TExtual de Retorno de Interação ou simplesmente METERI.
1.2
29
Problema de Pesquisa
O problema de pesquisa é o seguinte:
Como representar e executar uma atividade instrucional formatada pela
Comunicação Estrutural em um modelo computacional de Sistema Tutor
Inteligente?
A representação da SC em um modelo computacional é o foco deste trabalho. Um
tı́pico Sistema Tutor Inteligente ou Intelligent Tutor System - ITS poderia ser estruturado
de forma a atender algumas das seguintes perguntas: o quê, como, a quem e quando
ensinar?
Como melhor estruturar a arquitetura do ITS de forma a representar maneiras de
responder computacionalmente a essas perguntas, é ainda uma questão em aberto. O’Shea
et al. (1984) estruturaram o ITS em cinco módulos e procuraram atender às quatro
perguntas. Ainsworth et al. (2003) utilizaram apenas três módulos para atender apenas
às três primeiras perguntas, por exemplo.
Considerando que um ITS poderia ser capaz de responder computacionalmente às
quatro perguntas apresentadas anteriormente, este trabalho delimita a estrutura do ITS
investigado, em quatro módulos, resumidamente descritos em seguida:
• Módulo do Domı́nio - Módulo que representa o tema, conteúdo ou elementos do
domı́nio da atividade instrucional. Como o domı́nio de pouca estruturação poderia
ser representado de forma estruturada? E como ele poderia estar relacionado com
os objetivos e metas de uma atividade instrucional? Esse módulo responderá à
pergunta “O que ensinar?”.
30
• Módulo de Condução ou Orientação - Especifica as estratégias a serem empregadas para orientar um possı́vel aprendiz na atividade instrucional do inı́cio à
finalização. Módulo que responde à pergunta “Como ensinar?”.
• Módulo do Aprendiz - Responde à pergunta “A quem ensinar?”. Nesse módulo,
padrões ou estereótipos de possı́veis aprendizes são representados.
• Módulo do Especialista - Especifica os pré-requisitos de um determinado elemento do domı́nio. Módulo que responde à pergunta “Quando ensinar?”.
O problema de pesquisa ficou, então estruturado com as seguintes questões de pesquisa:
Q1: Como representar o Módulo do Domı́nio?
Q2: Como representar o Módulo do Especialista?
Q3: Como definir o Módulo do Aprendiz?
Q4: Como representar e interpretar o Módulo de Orientação?
1.3
Metodologia
A definição de um ITS poderia ser ancorada por três consultas, a saber:
1. Consulta ao professor - Nessa consulta, o professor descreve as dificuldades que os
aprendizes, de forma geral, enfrentam no domı́nio estudado. Em algumas situações,
o professor poderia destacar quais são as habilidades envolvidas.
2. Consulta aos aprendizes - Nessa modalidade, o projetista do ITS investiga quais são
as dificuldades que os aprendizes apresentam e como elas poderiam ser tratadas ou
minimizadas com o uso do sistema computacional.
31
3. Consulta a elementos da teoria - Através de teoria documentada, o projetista do ITS
procura identificar quais as possı́veis dificuldades que aprendizes ou professores poderiam enfrentar durante a execução da atividade instrucional. Quais as habilidades
envolvidas no processo de solução do problema, é outro aspecto a ser consultado.
Conforme apresentado no Capı́tulo 3, não foi localizado registro indicando quais seriam
as dificuldades enfrentadas pelos aprendizes durante a execução de um exercı́cio SC. Logo,
como identificar essas dificuldades?
A estratégia adotada para responder a essa pergunta foi a de identificar quais dificuldades são relatadas pela literatura no escopo da solução de ISPs. Conforme relatado na
Seção 2.1.6.2, muitas dessas dificuldades são dependentes de contexto ou domı́nio, ou seja,
algumas das dificuldades enfrentadas por estudantes de Direito são diferentes das enfrentadas por estudantes de Medicina ou Engenharia quando buscam por soluções em ISPs,
por exemplo. Buscou-se, então, identificar quais dificuldades poderiam ser consideradas
comuns à maioria dos ISPs.
A Teoria da Flexibilidade Cognitiva (SPIRO et al., 1991) é apontada por alguns pesquisadores, Hannafin et al. (1999) e Jonassen (2004) por exemplo, como uma possı́vel
teoria ou modelo de auxı́lio no desenvolvimento de atividade instrucional baseada em
ISP. Investigou-se então, como essa teoria poderia estar relacionada com a SC.
A SC interage com o aprendiz através do fornecimento de mensagem textual que é
função do resultado da análise da solução apresentada a um problema, conforme descrito
por Egan (1976). Essa caracterı́stica torna essa mensagem textual um elemento de elevado valor para a atividade instrucional. Consciente dessa importância, desenvolveu-se o
conceito de que a mensagem textual de retorno de interação, que é utilizada pela SC para
32
comunicar-se com o aprendiz, poderia possuir quatro dimensões. Esse aspecto é denominado por Tetradimensionalidade das Mensagens de Retorno de Interação entre aprendiz
e ambiente computacional. A Seção 7.1 desenvolve esse conceito.
A partir da análise da Teoria da Flexibilidade Cognitiva, das dificuldades relatadas
na literatura e inferidas do uso da SC e do conceito de tetradimensionalidade, define-se
um conjunto de conclusões. Essas conclusões compõem a base teórica utilizada como
elemento-guia na definição dos modelos computacionais. O conjunto desses modelos e
suas interações é denominado SCAT -Structural Communication Activities Tools.
A finalização da pesquisa foi realizada com a implementação parcial do SCAT. Frente
à ausência de aprendizes para “experimentar” os modelos, as soluções que esses aprendizes
poderiam apresentar foram criadas em arquivos-texto. Cinco conjuntos com cinco arquivos
cada um foram gerados. Cada arquivo contém registros selecionados de forma aleatória a
partir de todas as soluções possı́veis.
Cada conjunto de cinco arquivos possui a caracterı́stica de representar respectivamente
duas, três, quatro, cinco e seis soluções consecutivas que poderiam ser apresentadas por
um aprendiz. Em resumo, foram geradas duzentas e cinquenta mil representações e cada
representação poderia ser considerada um possı́vel aprendiz.
1.4
Arquitetura do modelo
O modelo proposto foi entitulado “SCAT - Structural Communication Activities Tools” ou Modelo de Representação e Execução de Exercı́cios de Comunicação Estrutural.
Esse modelo está parcialmente representado na Figura 1.1 e os próximos capı́tulos deste
documento detalham os elementos da sua estrutura e complexidade.
33
FIGURA 1.1 – Diagrama em Blocos do SCAT.
1.5
Estrutura do Documento
Este documento está estruturado em capı́tulos, a saber:
Capı́tulo 2 - Nesse capı́tulo, alguns dos sistemas computacionais desenvolvidos para execução de atividades instrucionais baseadas em problemas, foram revistos. Para auxiliar na explanação, foi feita uma revisão literária das caracterı́sticas das atividades
instrucionais baseadas em problemas.
Capı́tulo 3 - A SC está descrita nesse capı́tulo; suas caracterı́sticas, a teoria que pode
ser associada a essa técnica e habilidades envolvidas são analisadas.
Capı́tulos 4, 5, 6 e 7 - Descrevem os quatro módulos do SCAT. Módulo do Domı́nio,
do Especialista, do Aprendiz e da Orientação compõem a estrutura do modelo computacional ilustrado na Figura 1.1.
Capı́tulo 8 - Nesse capı́tulo, a proposta de solução apresentada ao problema de pesquisa
é avaliada. Através de argumentações, sustenta-se que essa proposta de solução é
aceitável.
Capı́tulo 9 - Esse capı́tulo conclui o trabalho de pesquisa. Crı́ticas ao trabalho realizado
34
são apresentadas bem como sugestões de trabalhos futuros de pesquisa. O capı́tulo
destaca ainda as contribuições deste trabalho sob o enfoque da SC e de ITSs.
Este documento ainda apresenta alguns apêndices, a saber:
• O Apêndice A reapresenta uma atividade instrucional de SC obtida a partir de Egan
(1976). Essa atividade foi selecionada com a finalidade de ser um cenário para a
execução e análise dos modelos desenvolvidos neste trabalho.
• O Apêndice B registra a autoria parcial de uma atividade instrucional formatada de
acordo com a SC. A autoria contou com o auxı́lio de alguns recursos computacionais
desenvolvidos durante o transcorrer da pesquisa. Ela foi realizada utilizando os
conceitos e idéias que compõem o Modelo do Domı́nio descrito no Capı́tulo 4.
2 Sistemas Computacionais
Aplicados à Execução de Atividades
Instrucionais Baseadas em
Problemas
Este capı́tulo sintetiza alguns dos ITSs que foram aplicados na execução ou desenvolvimento de atividades instrucionais baseadas em problemas. Para apresentar os resultados
dessa sı́ntese, esse capı́tulo está estruturado em diversas seções, a saber:
• Na Seção 2.1 descreve-se o que são as Atividades Instrucionais Baseadas em ISPs.
• Na Seção 2.2, sistemas ou ambientes computacionais desenvolvidos para execução
de atividades instrucionais baseadas nesses tipos de problemas, são investigados.
• Na Seção 2.3 descrevem-se algumas das estruturas utilizadas por alguns dos ITSs
descritos na Seção 2.2.
• Na Seção 2.4 conclui-se o capı́tulo ressaltando algumas possı́veis limitações da execução e representação estruturada de ISPs.
CAPÍTULO 2. SISTEMAS COMPUTACIONAIS APLICADOS À EXECUÇÃO DE
ATIVIDADES INSTRUCIONAIS BASEADAS EM PROBLEMAS
36
2.1
Atividades Instrucionais Baseadas em Problemas
Este trabalho define Atividade Instrucional Baseada em Problemas, ou simplesmente
“AIBP”, como sendo a estrutura de um conjunto de ações instrucionais cuja principal
finalidade é permitir a análise de um problema especı́fico e de suas potenciais soluções.
AIBP é formada por um conjunto de exercı́cios e cada exercı́cio poderia ser estruturado
em duas seções principais:
1. Definição do contexto do exercı́cio.
2. Execução do exercı́cio:
(a) Apresentação do problema ou exercı́cio propriamente dito.
(b) Avaliação da solução apresentada pelo aprendiz.
(c) Análise e comentários a respeito do proceso de solução apresentado pelo aprendiz.
(d) Investigação de outras possı́veis soluções ou caminhos de solução.
Este trabalho utiliza o termo “Exercı́cio” para referenciar-se ao problema solucionado
pelo aprendiz. Esse exercı́cio não é utilizado com a finalidade de avaliação de conhecimento ou para realizar o diagnóstico inicial de uma AIBP, mas sim como cenário onde o
aprendizado poderia ocorrer. O termo AIBP é utilizado para referenciar a atividade por
completo, ou seja, a definição do contexto dos exercı́cios e a execução deles. A Figura 2.1
ilustra essa definição.
A próxima seção investiga um dos possı́veis tipos de problema que uma AIBP poderia
conter. Esse tipo é o ISP.
37
FIGURA 2.1 – Relacionamento entre AIBP e Exercı́cio
2.1.1
Caracterização de um ISP
Problema mal estruturado é o problema que carece de estruturação, seja por falta
de parâmetros em seu enunciado, nos procedimentos de solução ou na sua identificação.
Esses problemas emergem do cotidiano das pessoas ou de dilemas sociais e, em alguns
casos, não possuem solução ou possuem múltiplas soluções de difı́cil avaliação. O conceito
de solução “correta” ou “incorreta” não é definido nesse contexto e não é empregado para
avaliar o resultado do processo de sua busca (JONASSEN, 1997). As soluções podem ser
classificadas como “satisfatória” ou “não satisfatória”. (JONASSEN, 1997)
São exemplos de ISPs:
• Que roupa eu devo vestir para ir ao baile?
• Que estratégias de marketing devem ser empregadas para o lançamento de um novo
produto no mercado?
• Que evidências ou fatos incriminam ou não o réu?
• Dado um capı́tulo em um livro-texto, derivar e elaborar uma hierarquia de objetivos
que o capı́tulo aborda.
Apesar de não ter sido encontrada uma definição formal do que é um ISP, as caracterı́sticas que o definem são relatadas por diversos trabalhos, como por exemplo em Simon
(1973) em Dörner (1983) em Jonassen (1997) em Hong (1998) entre outros. Essas caracterı́sticas estão sintetizadas na Tabela 2.1. Essa sı́ntese agrupa as caracterı́stica nos
38
seguintes aspectos:
• Apresentação do Problema - Resume como o problema é apresentado ao aprendiz, quais e como as informações são apresentadas.
• O processo de Solução - Resume como o processo de solução poderia ser inferido
pelo professor.
• Avaliação da Solução - Resume como uma solução apresentada ao problema
poderia ser classificada.
Até agora, os ISPs têm sido considerados como uma única classe de problemas. Contudo, podem-se observar algumas diferenças entre os elementos que compõem essa classe.
A Seção 2.1.2 explora algumas dessas diferenças que permitiriam categorizar os elementos
da classe dos ISPs.
2.1.2
Categorias de Problemas
Jonassen (2000, 2004) analisou a estrutura de diversos tipos de problemas. O resultado
dessa análise permite identificar diversas categorias de problemas. Jonassen destaca ainda
que a tipologia identificada e definida não representa todas as categorias de problemas
existentes e que outros tipos poderiam ser incorporados a esse conjunto de categorias. A
Figura 2.2 representa graficamente os diversos tipos de problemas descritos por Jonassen
variando desde os mal estruturados ou ISPs até os bem estruturados ou WSPs. Para a
elaboração dessa figura, foi considerado que os tipos de problemas podem ser ordenados
e representados pontualmente de acordo com a sua estrutura.
De acordo com Jonassen, esses tipos de problemas possuem as seguintes caracterı́sticas:
39
TABELA 2.1 – Algumas Caracterı́sticas que podem ser observadas nos ISPs
Apresentação do
Problema
O processo de
Solução
Avaliação da Solução
É mal definido, um ou mais elementos do problema são desconhecidos ou são conhecidos com pouco grau de confiança (JONASSEN,
1997). Em alguns casos, o domı́nio carece de estrutura ou delimitação. (JONASSEN, 2004)
Em alguns casos, há relacionamentos inconsistentes entre os conceitos, regras e princı́pios. (DöRNER, 1983)
As informações disponı́veis são usualmente incompletas, inexatas,
ambı́guas ou contrastantes. (DöRNER, 1983; HONG, 1998)
Não possui regra geral ou princı́pio para descrição ou predição de
casos. (JONASSEN, 2004)
Os objetivos não são claros, são vagamente definidos e não se estabelecem delimitações. (DöRNER, 1983; JONASSEN, 1997)
Os objetivos são compostos de múltiplos componentes que podem
ser conflitantes entre si. (DöRNER, 1983)
Não possui um “universo de solução” definido e estruturado. Nesse
universo, estado inicial, final e os estados intermediários da solução
do problema são parcialmente representados. (SIMON, 1973)
Caso exista um “universo de solução” definido e estruturado, a função transformadora dos estados e a sua avaliação são desconhecidas
(SIMON, 1973) ou não são especificadas. (GOEL, 1992)
Não existe problema protótipo, um problema que possa ser repetido
de forma exaustiva, pois os seus elementos são diferencialmente importantes em diferentes contextos e interagem entre si. (JONASSEN,
1999)
O processo de solução possui incertezas de quais conceitos, regras
e princı́pios são necessários para a solução e como eles são organizados. (SIMON, 1973; JONASSEN, 1997; FUNKE, 2001)
Requer que o solucionador do problema realize julgamentos sobre o problema e defenda as decisões resultantes desse julgamento.
(DöRNER, 1983; JONASSEN, 1997; HONG, 1998; FUNKE, 2001; CHUCHARROL, 2000)
Não possui solução conhecida ou possui múltiplas soluções com múltiplos caminhos para atingi-las. Nesse cenário não há consenso de
qual solução é a melhor ou a mais apropriada. (JONASSEN, 1997)
Esse conjunto de soluções é de difı́cil delimitação e existe um elevado
grau de incerteza se esse conjunto é completo, ou seja, se todas as
soluções possı́veis foram representadas. (SIMON, 1973)
Pode possuir múltiplos critérios de avaliação da solução. (JONASSEN, 2004)
Não possui o conceito de resposta correta ou incorreta, a solução
encontrada pode ser classificada como satisfatória ou não. (GOEL,
1992; JONASSEN, 1997; FUNKE, 2001)
40
FIGURA 2.2 – Tipologia de Problemas de Jonassen (JONASSEN, 2004)
• Problema Lógico ou Logical Problems - Utilizado para avaliar o raciocı́nio lógico.
Exemplo: Torre de Hanoi.
• Problema Algorı́tmico ou Algorithm - Muito encontrado em escolas, principalmente em domı́nios bastante estruturados tais como Matemática e Fı́sica. Ele é
resolvido através do uso de um conjunto conhecido e finito de procedimentos.
Exemplo: Calcule: 3 + 4 -{ 2 + 5 } + 6.
• Problema com história ou Story Problem - O problema é apresentado no formato
de uma narrativa breve ou descrição de uma situação. A solução é encontrada
através da extração de valores ou parâmetros, da sua associação a conceitos e seleção
de fórmulas adequadas para o cálculo da resposta do problema.
Exemplo: Um feirante vende a dúzia de laranja por R$ 2,00 e a unidade do mamão
por R$ 3,00. Desejo comprar frutas para fazer um suco. A composição de um litro
de suco é de 3 laranjas para cada mamão. Quantas unidades de laranja e mamão
podem ser comprados e quantos litros de suco podem ser preparados se eu possuo
em minha carteira R$40,00 ?
• Problema envolvendo o uso de Regras ou Rule-Using - Possui múltiplas so-
41
luções corretas e múltiplos caminhos para encontrá-las. Tende a ter propósito e
objetivos bem especificados. A sua solução é obtida através da aplicação de um
conjunto de regras em um sistema.
Exemplos: configurar um servidor de internet, instalação de programa de computador.
• Tomada de Descisão ou Decision-Making - Esse tipo de problema possui limitado número de soluções e aspectos a serem considerados. A solução consiste em
selecionar uma opção dentre várias possı́veis e analisar as conseqüências dessa escolha.
Exemplo: Qual escola é a melhor para meu filho?
• Manutenção ou Troubleshooting - O objeto desse tipo de problema é a manutenção de equipamentos ou sistemas complexos para colocá-los em funcionamento. O
objetivo é identificar as causas das falhas e saná-las.
Exemplo: Manutenção em circuitos elétricos.
• Elaboração de Diagnóstico e Solução ou Diagnosis-Solution - Troubleshooting
- Similar ao anterior, diferenciando-se pelas múltiplas soluções e caminhos para
encontrar as soluções. Normalmente envolve a coleta de dados, geração de hipóteses
e testes e a justificativa da solução.
Exemplo: Diagnóstico Médico.
• Táticos e Desempenho de Estratégias ou Tactical and Strategies Performance
- Tipicamente envolve habilidades de priorizar opções, análise da situação, planejamento, previsão entre outras.
Exemplo: Pilotar um avião em uma missão de combate.
42
• Análise de Casos ou Cases and Policy - Nesse tipo de problema, os objetivos não
são claramente definidos, não há consenso do que constitui uma solução aceitável
nem como resolver o problema. As informações disponı́veis são incompletas, inexatas
ou ambı́guas. Envolve habilidade de reunir evidências e justificar a solução baseado
nas evidências.
Exemplo: Dada a baixa produtividade dos aprendizes de um determinado curso,
como o coordenador desse curso poderia tratar dessa questão?
• Projeto ou Design - Tipicamente envolve habilidades de estruturação de problemas e gerenciamento de recursos.
Exemplo: Projetar uma embalagem para uma linha de produtos com temas relativos ao folclore nordestino brasileiro.
Projetar um produto de forma similar a projetar uma casa só pode ser considerado
um ISP se o projetista tentar ser criativo e não simplesmente empregar um conjunto
de regras conhecidas para resolvê-lo.
• Dilema ou Dillema - Não existe solução que satisfaça a maioria das pessoas, porque envolve perspectivas conflitantes que variam de uma solução que satisfaça aos
interesses de um pequeno grupo a interesses das comunidades envolvidas como um
todo.
Exemplo: A proibição de venda de armas no Brasil irá diminuir a violência urbana?
Justifique o seu posicionamento.
Definir uma fronteira entre os WSPs e ISPs é uma tarefa árdua e não é propósito
desse trabalho. Resumidamente, um problema poderia ser classificado como sendo ISP
de diversas maneiras. De acordo com Hong (1998), os seguintes aspectos poderiam ser
43
analisados na tentativa de identificar um prolema ISP:
• As restrições do processo de solução.
• As habilidades envolvidas.
• As incertezas dos procedimentos de solução e avaliação.
Esses aspectos foram analisados nas Subseções 2.1.3, 2.1.4 e 2.1.6.
2.1.3
Restrições dos ISPs e WSPs
Face à dificuldade de se estabelecer uma fronteira bem definida entre os ISPs e WSPs,
conforme relatado por Simon (1973) e Jonassen (2004), um problema pertencente à classe
ISP pode ser considerado ou representado de forma bem estruturada? O tratamento
dado a essa questão prioriza dois aspectos importantes inter-relacionados: a estrutura
de representação do problema e as informações necessárias para a busca de uma solução
adequada.
Dois exemplos serão analisados em seguida. O primeiro deles é um representante
tı́pico dos WSPs, o Jogo de Xadrez. Esse jogo tem sido alvo de investigação da ciência de
computação, mais especificamente por pesquisadores da área de Inteligência Artificial. O
segundo exemplo é o problema enunciado por “Que roupa eu devo vestir para ir ao baile?”.
Simon (1973) e Newell (1972) analisam o problema de jogar um jogo de Xadrez sob
a ótica dos ISPs e WSPs. O jogo de Xadrez, assim como muitos outros jogos, possuem
o conceito de “melhor movimento” bem definido. Sob o ponto de vista dos WSPs, o
problema é resolvido através da obtenção do valor para a “próxima jogada” através do
conceito de “melhor movimento”, por exemplo. Esse valor é obtido através do análise da
44
posição das peças no tabuleiro e do seu correspondente valor.
Esse problema é ISP quando o jogo é analisado por inteiro e não mais apenas a jogada a ser realizada ou a movimentação das peças de forma isolada. O conceito “melhor
movimento” não é capaz de garantir a vitória da partida. O processo de obtenção do
“melhor movimento” é bem definido, mas o processo para obtenção da “jogada mais adequada para garantir a vitória” é pouco ou mal definido. Essa jogada pode assumir ou não
valores diferentes do valor do “melhor movimento”. Sob essa ótica, esse problema pode
ser considerado como pertence à classe dos ISPs.
O segundo exemplo analisado “Que roupa eu devo vestir para ir ao baile?” pode ser
considerado um problema WSP? Uma possı́vel solução desse problema pode ser obtida
através da definição e adição de algumas restrições de natureza lógica ao enunciado ou ao
procedimento de busca da solução, tais como:
1. Não é possı́vel comprar nova roupa, alugar ou pedir emprestado, de forma que o
universo de possibilidades limita-se às roupas contidas no guarda-roupa;
2. O baile ocorrerá no inverno e a previsão do tempo informa que fará muito frio na
noite em que ele ocorrerá;
3. O convite do baile especifica “traje passeio completo”;
4. Você deverá utilizar a gravata que recebeu de presente dos seus colegas de escritório
no seu aniversário.
Esses são exemplos de restrições lógicas possı́veis de serem adicionadas ao problema.
A incorporação dessas restrições ao problema permite a definição de processos ou procedimentos de busca pela solução. No exemplo considerado, uma possı́vel solução é encontrada
45
através de procedimento de busca e combinação de elementos do universo de possibilidades
conhecidas e definidas, ou seja, das roupas contidas no guarda-roupa.
O resultado desse procedimento de solução poderá fornecer nenhuma, uma ou várias soluções. A solução é construı́da através do conjunto de soluções parciais que não
apresentem inconsistências entre si nem com as variáveis do enunciado do problema.
Para o caso de ausência de solução, algumas restrições poderiam ser retiradas ou ter
seus valores modificados. Para o caso de múltiplas soluções, novas restrições poderiam ser
adicionadas ao problema reduzindo essa quantidade. Uma das caracterı́sticas imediatas
observadas em conseqüência da definição de restrições lógicas é a a redução do conjunto
de soluções possı́veis. (LOGAN; CORNE, 1992; MARTIN, 2001)
A inserção no problema de um conjunto finito de restrições lógicas e a definição de
procedimentos de solução permitem, nesse contexto, a mudança de categoria do problema
em razão da sua redefinição (LOGAN; CORNE, 1992). O problema, inicialmente pertencente
ao grupo dos ISPs, agora pode ser considerado como pertencente ao grupo dos WSPs.
A definição de um conjunto de restrições lógicas faz parte do processo de solução de
um ISP. Essas restrições, em alguns casos, podem ser sustentáveis e negociáveis através
de argumentação.
Um problema ISP poderia ser “convertido” em WSP através de sua estruturação ou
definição de restrições e procedimentos, conforme ilustra a Figura 2.3. Nessa figura um
ideal é representado: um ISP é convertido em WSP através da definição e adição de um
conjunto de restrições lógicas e procedimentos.
Se um WSP é um problema que possui restrições e procedimentos bem definidos, que
tipo de restrição um ISP possui? Goel (1992) diferencia o tipo de restrição que pode ser
46
FIGURA 2.3 – Idealização das restrições lógicas entre WSP e ISP.
encontrada em WSPs e ISPs. WSPs possuem comumente restrições lógicas ou de tarefas.
Se quem soluciona o problema viola uma limitação ou regra, ele ou ela simplesmente não
está solucionando o problema. Por exemplo, se durante uma partida do jogo de Xadrez,
o jogador mover a Torre diagonalmente no tabuleiro, ele simplesmente não está jogando
Xadrez ou desconhece as regras do jogo.
As restrições comumente encontradas nos ISPs não são lógicas: são de natureza social,
econômica e cultural, entre outras. Esse tipo de restrição não pode ser completamente
definida ou constituı́da de tarefas bem definidas, uma vez que elas são negociáveis e
manipuláveis. (GOEL, 1992)
Outra caracterı́stica especı́fica dos ISPs relatada por Goel refere-se à função transformadora de estados. O estado inicial do problema não é completamente especificado e
definido; logo, quem soluciona o problema modifica o seu estado para melhor adaptá-lo
ao seu conhecimento, experiência ou habilidade. Quem procura solucionar esse problema,
tem conhecimento prévio de algum estado final ou solução possı́vel e tenta negociar, manipular e transformar os parâmetros do problema para adaptá-los ao estado final. Isso
ocorre porque as limitações são não lógicas. No exemplo apresentado, poder-se-ia negociar
o estado inicial “utilizar a gravata que ganhou de presente dos colegas de escritório”.
Nos WSPs isso não ocorre devido à natureza lógica das restrições. Qualquer tentativa
de manipulá-las pode ser considerada como ausência de conhecimento, de experiência ou
de habilidade.
47
Face à ausência de restrições lógicas e presença de restrições não-lógicas nos ISPs, seria
possı́vel a produção de artefato computacional com finalidade educacional que possibilite
monitorar e guiar um aprendiz durante o processo de busca por uma solução satisfatória
do problema? Diversos trabalhos encontrados na literatura destacam essa necessidade, por
exemplo, em Dörner (1983), Brickell et al. (2002) e Jonassen (2004), sem apresentar uma
solução com recursos de monitoramento das ações do aprendiz similares às apresentadas
para os WSPs através dos ITSs.
Algumas das tentativas de representar ISPs no ambiente computacional constituemse de editores colaborativos focados no ensino de técnicas de argumentação. Através
da argumentação, as restrições não-lógicas podem ser negociadas e manipuladas. Os
aprendizes trabalham com hipóteses que precisam ser sustentadas por um conjunto de
argumentos para explicar as causas ou os efeitos de um evento, conforme relatado por
Cheikes (1995), Schank (1995), Suthers et al. (2001) e Masterman (2005), entre outros
trabalhos.
A solução de ISPs envolve outras habilidades além da habilidade de argumentação.
Elas são especı́ficas dos ISPs e não podem ser praticadas em exercı́cios WSPs. (HONG,
1998)
2.1.4
Habilidades Relacionadas com o Processo de Solução de
Problemas
Bloom et al (1971) descrevem algumas habilidades relacionadas com o processo de solução de problemas. As habilidades de Análise, Sı́ntese, Avaliação e Julgamento descritas
por Bloom et al. são comumente relacionadas com a atividade de solução de ISPs (HONG,
48
1998).
Durante a solução de um problema ISP, busca-se identificar quais elementos do domı́nio, qual a sua relevância e como eles interagem entre si para compor uma solução (HONG,
1998; BRICKELL; FERRY; HARPER, 2002). Esses elementos do domı́nio podem ser formados
por conceitos, princı́pios, fatos, descrição de processos e seus inter-relacionamentos, por
exemplo. Em alguns casos há também a necessidade de organizar, estruturar e sintetizar esses elementos formando um conjunto de argumentos ou elementos que sustentem
a solução do problema. Outro aspecto importante, citado por Hong, é a necessidade de
avaliar e julgar esses elementos quanto à sua utilidade, abrangência e categoria. A habilidade de categorizar um elemento é importante para sustentar a opinião pessoal ou
crença na solução do problema. (POPLE, 1982)
Hong (1998) testou a hipótese de que as habilidades utilizadas nos WSPs são necessárias mas não são suficientes para a solução de ISPs. O resultado do teste foi afirmativo no
contexto de um ambiente de solução de problemas multimı́dia. Ele também destaca que
durante o processo de busca pela solução de um problema, o aprendiz trabalha com dois
tipos de conhecimentos: o conhecimento especı́fico do domı́nio e o conhecimento estrutural. Por Conhecimento Estrutural, Hong (1998) entende como os conceitos de um domı́nio
podem ser inter-relacionados. As habilidades de busca de soluções de ISPs, em um determinado domı́nio, não podem ser transferidas para outros domı́nios sem o apropriado
conhecimento do domı́nio. (BRICKELL; FERRY; HARPER, 2002)
Identificar quais são os elementos relevantes de um domı́nio para a composição de uma
solução a um ISP envolve desafios que não são encontrados normalmente em problemas
cuja solução é bem estruturada. Quem soluciona um ISP deve ser capaz de extrair de um
domı́nio os elementos relevantes ao contexto do problema. (JONASSEN, 2004)
49
Bahar (1999) descreve que essa habilidade não é tão comum em estudantes quando trabalham no domı́nio da Biologia. Alguns estudantes que contribuı́ram com a sua pesquisa
foram classificados de Field Dependent ou Dependentes de Domı́nio por apresentarem dificuldades em identificar quais os elementos relevantes do domı́nio. Aprendizes que não
apresentam essa dificuldade são classificados de Field Independent ou Independentes de
Domı́nio (BAHAR, 1999). Logo, poderia ser inferido que, durante a atividade de busca por
soluções a ISPs, aprendizes identificados como Dependentes de Domı́nio enfrentam uma
dificuldade adicional em relação aos Independentes de Domı́nio.
2.1.5
Teoria da Flexibilidade Cognitiva
Jonassen (1999) argumenta que uma forma de permitir que o aprendiz adquira experiência em solução de ISPs é permitir que ele tenha acesso a casos relacionados. Segundo
Jonassen (1999), um importante modelo para o desenvolvimento de casos relacionados em
ISPs é o fornecido pela Teoria da Flexibilidade Cognitiva ou Cognitive Flexibility Theory
- CFT (SPIRO et al., 1991).
Flexibilidade Cognitiva significa a habilidade de estruturar o conhecimento do domı́nio em resposta à mudança no contexto (SPIRO et al., 1991). A Teoria da Flexibilidade
Cognitiva trata da aquisição de conhecimento em domı́nios de conhecimento mal ou pouco
estruturados (ill-structured knowledge domains - ISKDs). Medicina, História e interpretação literária são exemplos de ISKD. Ainda segundo Spiro et al., mesmo domı́nios bastante
estruturados como a Matemática, por exemplo, guardam uma parcela substancial de seu
domı́nio que pode ser tratada como um ISKD.
A afirmação central da CFT é que o conhecimento estrutural pode ser adquirido atra-
50
vés de exercı́cios que permitam ao aprendiz manipular os elementos da sua estrutura
conceitual, adaptando-a para diferentes contextos (SPIRO et al., 1991).
A Figura 2.4 exemplifica possı́veis estruturas de conceitos simbólicos que poderiam ser
aplicadas a um domı́nio mal estruturado. Nesse exemplo, quatro conceitos, denominados
C1, C2, C3 e C4, poderiam ser estruturados de acordo com diversos contextos. Uma
das formas mais simples de se estruturar esse conjunto de elementos é definir os seus
relacionamentos conforme ilustra essa figura:
FIGURA 2.4 – Exemplos de estrutura com conceitos.
Na Figura 2.4 a) estão exemplificados os seguintes relacionamentos: { (C1 e C4),
(C2 e C4), (C3 e C4)}. Na Figura 2.4 b) estão representados os relacionamentos { (C1
e C2), (C1 e C3) e (C4)}. As Figuras c) e d) também exemplificam outros possı́veis
relacionamentos distintos. Ou seja, esses conceitos podem ser estruturados de diversas
maneiras.
Segundo Spiro et al. (1991), a maestria na habilidade de estruturação e transferência dessa estrutura não pode ser adquirida com técnicas ou métodos utilizados no nı́vel
introdutório do domı́nio de aplicação.
O aprendiz, através de exercı́cios especı́ficos, deve ser capaz de desenvolver ou criar
51
estruturas com conceitos do domı́nio e adaptá-las a novos contextos. Durante essa atividade, esses conceitos não devem ser analisados apenas de forma isolada. A análise dos
possı́veis relacionamentos entre eles e como eles podem ser estruturados deve ser o foco
do exercı́cio. (GRABINER, 1996)
Apesar da carência de modelos para representação de ISPs, ressaltada por Dreyfus
(1986), Hannafin et al. (1999) e Jonassen (1999), não foi localizado relato do emprego
dessa teoria em sistemas computacionais.
2.1.6
O Processo de Busca pela Solução de um ISP
ISPs não podem ser solucionados simplesmente encontrando informações e aplicandoas a um conjunto de regras (JONASSEN, 1997). Uma vez que a solução de ISPs depende
da situação ou contexto, o conhecimento especı́fico precisa ser adaptado a novas situações
ou contextos (BRICKELL; FERRY; HARPER, 2002). ISPs requerem conhecimento estrutural
com o objetivo de avaliar o significado dessa informação (HONG, 1998). O Conhecimento
Estrutural é um componente importante na solução de WSPs e crı́tico na solução de ISPs.
(HONG, 1998)
Esse Conhecimento Estrutural, segundo Hanafin et al. (1999) e Jonassen (2004), pode
ser exercitado em atividades de instrução através do emprego da Teoria da Flexibilidade
Cognitiva ou Cognitive Flexibility Theory - CFT de Spiro et al. (1991).
Hong (1998) relata, a partir de resultados obtidos de experimentos com aprendizes, que
o conhecimento prévio dos aprendizes precisou ser reestruturado em torno de princı́pios
fundamentais durante o processo de busca pela solução dos ISPs. Outro resultado importante, também apresentado por Hong, refere-se às habilidades de justificativa da solução.
52
Os aprendizes que careciam de um profundo Conhecimento Estrutural concentravam-se
em apenas uma única perspectiva do domı́nio. Esses aprendizes construı́am argumentos simplesmente fornecendo os benefı́cios de sua solução. Eles não consideravam outras
possı́veis alternativas para a construção de argumentos mais defensáveis.
Comportamento similar a esse também é relatado por Bahar (1999). Alguns dos aprendizes, em atividades de busca por solução de ISPs no domı́nio da Biologia, concentraram-se
em apresentar uma única perspectiva de solução. Essa perspectiva única foi analisada de
forma profunda. O grupo que apresentava essa caracterı́stica, segundo Bahar, pode ser
denominado de Convergente. Outros aprendizes, denominados de Divergentes, procuraram explorar diversas soluções e perspectivas, apresentando boa capacidade de gerar
novas idéias e visualizar um determinado contexto de diferentes perspectivas. As diversas soluções apresentadas pelos Divergentes tenderam a não serem analisadas de forma
profunda.
2.1.6.1
Padrões de Argumentação dos WSPs e ISPs
Outro resultado importante obtido do trabalho de Hong (1998), refere-se à capacidade
de argumentação. Nos WSPs, a argumentação foi constituı́da pelo resultado da análise
individual dos elementos formadores da solução do aprendiz, justificando a importância
desse elemento para a solução do problema. Nesse contexto, cada elemento {e1, e2, e3,
... en } formador da solução, foi analisado de forma isolada conforme ilustra a Figura
2.5a), por exemplo.
Nos ISPs, além do tipo de argumentação encontrado nos WSPs, o conjunto de elementos é investigado e perspectivas contrastantes entre os elementos desse conjunto também
são enfatizadas, conforme ilustra a Figura 2.5b).
53
FIGURA 2.5 – Alguns padrões de justificativa da solução dos a)WSPs e ISPs; b)ISPs
Um padrão similiar ao ilustrado na Figura 2.5a) pode ser observado no trabalho de
Chang (1994) em exercı́cios SC. Nesse trabalho, após selecionar alguns elementos para
compor uma solução, o aprendiz deveria justificar individualmente a escolha de cada
elemento.
2.1.6.2
Dificuldades que Podem Ser Encontradas Durante o Processo de
Busca por Soluções a ISPs
Como representar um ISP ao aprendiz tem sido objeto de estudo no contexto das
tarefas de aprendizagem e solução de problemas (SUTHERS; HUNDHAUSEN, 2003). A forma
de representar o ISP pode influenciar na concepção individual do problema facilitando ou
dificultando a sua solução. (SUTHERS; HUNDHAUSEN, 2003)
As dificuldades de solução de um ISP também podem variar de acordo com o conhecimento e formação de quem soluciona. Fernandes e Simon (1999) apresentam um estudo
do processo de solução de um problema ISP. Utilizando o protocolo verbal, esse estudo
buscou identificar se existem diferenças nas estratégias de solução de acordo com o trei-
54
namento profissional e cultura nacional de quem soluciona o problema. O experimento
contou com a participação de pares de Arquitetos, Médicos, Engenheiros e Advogados.
Fernandes e Simon (1999) analisaram os dados obtidos no experimento e concluı́ram que
a formação profissional influencia na estratégia e no processo de solução.
Os dados apresentados nos trabalhos de Fernandes e Simon (1999) e Suthers e Hundau
(2003) permitem inferir que algumas das dificuldades surgidas durante o processo de busca
pela solução de um ISP podem ser influenciadas pelos seguintes fatores:
• Forma de apresentação do problema;
• Formação de quem soluciona o problema ou o seu conhecimento prévio do domı́nio.
O primeiro fator está relacionado diretamente com a SC. Nesse contexto, a forma de
apresentar o ISP ao aprendiz através das diversas seções que compõem uma atividade
instrucional SC, poderia adicionar algumas novas dificuldades não documentadas pela literatura. Por uma questão de delimitação de escopo e ausência de relatos a respeito dessas
novas possı́veis dificuldades, elas estão sendo propositadamente excluı́das do universo da
pesquisa.
O segundo fator listado poderia ser controlado através de um modelo computacional.
Esse controle poderia ser realizado através da representação de modelos ou estereótipos
de quem soluciona o problema, o aprendiz. No contexto deste trabalho, cabe ao Módulo
do Aprendiz do ambiente computacional ilustrado na Figura 1.1 realizar essa tarefa. Esse
módulo foi investigado no Capı́tulo 6, deste documento.
Fora do contexto educacional, Dörner (1983) considera que solucionar um ISP é, preliminarmente, definir um objetivo fim e outros denominados de parciais. Nos objetivos
parciais, alguns conflitos podem aparecer devido a relações contraditórias que poderiam
55
surgir entre esses objetivos parciais. Dörner lista as seguintes dificuldades observadas
através de 10 anos de experimentos com estudantes de medicina:
• Redefinição de Objetivos - O solucionador do ISP esquece do objetivo fim e
troca-o por um objetivo intermediário.
• Desorientação ou Thematic Vagabonding - O solucionador muda o caminho de
solução adotado e vai de tema a tema em vez de definir um caminho especı́fico.
• Encapsulamento - O solucionador de ISP fica preso na busca da solução, desperdiçando energia indo além da importância do tema.
• Abandono prematuro ou Dogmatic Entrechment System - Manifesta-se quando
o solucionador necessita trabalhar com quantidades insuficientes de conhecimento.
Nesse caso, ele abandona o processo de aumentar o seu conhecimento e substitui o
processo de busca de informação por dogmas a respeito de partes da questão.
Analisando a lista de dificuldades apresentadas anteriormente, pode-se especular que
talvez essas dificuldades pudessem ser minimizadas se um professor acompanhasse os
aprendizes durante o processo de solução, pois:
• O professor poderia manter o aprendiz caminhando em direção aos objetivos definidos na atividade instrucional.
• A desorientação e encapsulamento poderiam ser minimizados através de conselhos.
• O “Abandono prematuro” poderia ser evitado se o professor fornecesse a quantidade
suficiente de conhecimento ao aprendiz.
Segundo Suthers et al. (2001), “desorientação e encapsulamento” e “abandono prematuro” também foram observados em experimentos realizados com alguns aprendizes que
56
buscavam por soluções a ISPs com a ferramenta computacional Belvedere. Segundo esses
autores, os aprendizes necessitavam de intervenções dos professores durante a execução
da atividade instrucional. Goel (1992) destaca ainda que, sem orientação, aprendizes solucionam WSPs variando de poucos minutos a algumas horas e ISPs variando de dias a
meses.
2.1.6.3
Como essas Dificuldades Relacionam-se com o Problema de Pesquisa
Das dificuldades resumidamente descritas na Seção 2.1.6.2, destaca-se a necessidade de
orientação do aprendiz. No contexto desta pesquisa, o aprendiz necessitaria de orientações
de tal forma a, gradativamente, ter acesso a todo o conhecimento do especialista registrado
no ambiente computacional. Em uma atividade instrucional formatada com a técnica SC,
o conhecimento do especialista é fracionado e representado através de regras de produção.
Essa necessidade de orientação relaciona-se diretamente com a questão de pesquisa
“Como representar e interpretar o Módulo de Orientação?”.
2.2
Sistemas Computacionais
Duas estratégias poderiam ser empregadas na tarefa de representar atividades instrucionais baseadas em problemas no ambiente computacional: estruturar o problema ou
reduzir a inteligência computacional.
Na primeira estratégia, limita-se o universo de soluções possı́veis do problema através
da definição de restrições lógicas. Conforme ilustrado pela Figura 2.3, definir restrições
de natureza lógica pode ser considerado como uma forma de estruturar o problema que
é ISP. Como exemplo dessa estratégia, Cury (1996) descreve estereótipos de aprendizes
57
que poderiam ser identificados entre os universos do perito e do aprendiz no domı́nio de
imagens médicas. Esse conjunto de estereótipos permite especificar, de forma seqüencial,
a formação do perito.
Na segunda, reduz-se a “inteligência” do ambiente computacional. Essa “inteligência”
é transferida ao tutor humano. Nessa categoria encontram-se os editores gráficos (CSCL
tools) tais como Belvedere (SUTHERS et al., 2001), Catho (ASHLEY; DESAI; LEVINE, 2002),
“20/20” (MASTERMAN, 2004). Esses ambientes procuram auxiliar o aprendiz através do
fornecimento de ferramentas que possibilitam a representação, estruturação e comunicação
do conhecimento.
Alguns desses ambientes também fornecem mensagens de retorno de interação, com
finalidade de auxiliar no correto uso do ambiente computacional. Em alguns casos, como
por exemplo 20/20 (MASTERMAN, 2004), as mensagens procuram discutir os passos de
solução que o aprendiz está empregando. Esses passos são definidos pelo tutor humano
durante a criação da AIBP.
Essas duas estratégias permitem classificar esses sistemas em dois grandes grupos, a
saber:
1. Sistemas Instrucionais Cooperativos
2. Sistemas Instrucionais Individuais
2.2.1
Sistemas Instrucionais Cooperativos
Representar Atividades Instrucionais baseadas em ISPs no ambiente computacional
têm fomentado o estudo e desenvolvimento de diversos modelos conceituais e estruturas
computacionais que podem ser denominadas de Ferramentas Computacionais de Apoio à
58
Aprendizagem Cooperativa ou Computer-Supported Colaborative Learning (CSCL) Tools.
CSCLs fornecem recursos de troca de informações entre aprendizes enquanto estes procuram por soluções para um determinado problema. Propa (CHEIKES, 1995), Convince-Me
(SCHANK, 1995), Belvedere (SUTHERS et al., 2001), Catho (ASHLEY; DESAI; LEVINE, 2002),
“20/20” (MASTERMAN, 2004), Rashi (WOOLF et al., 2005), são exemplos desses ambientes.
Nesses ambientes, os aprendizes trabalham com hipóteses que precisam ser sustentadas
por um conjunto de argumentos para explicar ou prever um evento. Apesar desses CSCLs
fornecerem uma boa solução para esse tipo de atividade instrucional, eles apresentam
ainda as seguintes limitações:
• Não oferecem aos aprendizes o tipo de assistência ou auxı́lio individualizado ou recursos de acompanhamento similar aos disponı́veis nos ITSs. A pedagogia é deixada
a cargo do instrutor humano, que guia e supervisiona o uso da ferramenta.
• Requer ainda que pelo menos dois participantes cooperem entre si. (GOODMAN et
al., 1998)
• São baseados em técnicas de argumentação. Eles apresentam uma interface gráfica
para a representação e definição desses argumentos, sem explorar de forma profunda
os relacionamentos entre eles.
2.2.2
Sistemas Instrucionais Individuais
Tipicamente, esses sistemas são dedicados e possibilitam que o aprendiz trabalhe com
um domı́nio em questão e poucos são os registros do reúso desse ambiente para outros
domı́nio. O professor da atividade instrucional e o desenvolvedor do sistema computacional definem restrições lógicas e múltiplos caminhos de solução. O sistema computacional
59
limita-se a acompanhar o aprendiz durante o processo de solução. (JONASSEN, 2004)
Uma caracterı́stica que pode ser encontrada nesses ambientes é a capacidade de acompanhar ou guiar o aprendiz durante a execução de uma atividade instrucional (BOULAY;
LUCKIN, 2001; REDONDO et al., 2005). O propósito da atividade de acompanhamento ou
guia é permitir a adaptação automática ou “inteligente” de alguns aspectos do ambiente
computacional ou da atividade instrucional. Esses ITSs também têm exercido a função
de parcialmente simular o comportamento do instrutor humano durante a execução da
atividade instrucional. (BOULAY; LUCKIN, 2001)
Sistemas Instrucionais Individuais têm sido amplamente utilizados para atividades
instrucionais baseadas em WSPs. Nesses tipos de sistemas, a solução do problema investigado pelo aprendiz é bem definida e conhecida. Os caminhos para a sua obtenção,
podem ser bem conhecidos ou determinados durante a sua execução. Demonstr8 (BLESSING, 2003), Simquest (JOOLINGEN; JONG, 2003), Sherlock (LESGOLD et al., 1992), Sophie
na suas versões I, II e III (BROWN; BURTON; KLEER, 1980) e Xaida (HALFF et al., 2003)
são exemplos desses sistemas.
2.2.3
Sistemas Instrucionais Individuais e Cooperativos e a Tipologia de Problemas de Jonassen
A análise de Sistemas Computacionais produzidos para o desenvolvimento de AIBPs
realizada neste trabalho de pesquisa procurou identificar que tipo de problema poderia
ser representado nesses ambientes.
A Tabela 2.2 resume alguns dos sistemas computacionais que foram produzidos para
AIBPs. Alguns sistemas, como por exemplo o Rashi (WOOLF et al., 2005), apresentaram
60
indı́cios de serem capazes de representar mais de um tipo de problema. Outros, como por
exemplo o Demonstr8 (BLESSING, 2003), não apresentaram essa capacidade.
Dos sistemas analisados listados na Tabela 2.2, não foi localizado Sistema Instrucional
Individual que apresentasse indı́cios de permitir a representação de problemas do tipo
Análise de Casos, Projeto e Dilema.
Os sistemas localizados e investigados para esses tipos de problema eram do tipo Cooperativo. Pode-se especular que essa possı́vel lacuna tenha origem nos seguintes aspectos
dos ISP:
• A ausência de solução correta, a diversidade de soluções aceitáveis e caminhos para
a sua obtenção são caracterı́sticas que podem ser esperadas de um ISP. Elas adicionam um elevado grau de complexidade a qualquer tentativa de desenvolvimento de
algoritmo de acompanhamento do aprendiz.
• ISPs possuem restrições não-lógicas e sim negociáveis. Os ambientes investigados
apresentaram recursos que permitam essa negociação entre os aprendizes. O processo de negociação confunde-se com a busca por possı́veis soluções do problema.
A Tabela 2.2 foi elaborada tendo como referência as publicações localizadas na pesquisa
bibliográfica. A classificação apresentada não foi validada pelos autores dos trabalhos
selecionados.
2.3
Algumas Estruturas de ITSs
Para realizar o acompanhamento do aprendiz, um determinado ITS poderia ser estruturado em módulos com funções especı́ficas. Em alguns ITSs, as ações do aprendiz são
61
TABELA 2.2 – Caracterı́sticas de alguns Sistemas Computacionais AIBPs.
Tipo
Sistema
Domı́nio ou habilidade
Algorı́tmico
Demonstr8 (BLESSING, 2003)
Matemática
Algorı́tmico
Simquest (JOOLINGEN; JONG, Ensino de Fı́sica
2003)
Estória
Simquest (JOOLINGEN; JONG, Ensino de Fı́sica
2003)
Problemas en- Simquest (JOOLINGEN; JONG, Ensino de Fı́sica
volvendo o uso 2003)
de Regras
Tomada de Des- ADPME (GORAYA, 2001)
Exercitar a habilidade de tomada de
cisão
decisão independente de domı́nio em
atividades de solução de ISPs.
Manutenção
Sherlock (LESGOLD et al., 1992)
Manutenção de instrumentos aviônicos
Manutenção
Sophie
(BROWN;
BURTON; Circuitos Elétricos
KLEER, 1980)
Manutenção
Xaida (HALFF et al., 2003)
Fı́sica: identificação de objetos.
Elaboração de Guidon
(BUCHANAN; SHOR- Dagnóstico Médico
Diagnóstico
e TLIFFE, 1984)
Solução
Elaboração de INTERNIST (POPLE, 1982)
Diagnóstico Médico
Diagnóstico
e
Solução
Elaboração de Propa (CHEIKES, 1995; GOOD- Habilidades de análise explanatória dos
Diagnóstico
e MAN et al., 1998)
dados de um satélite.
Solução
Elaboração de Catho (ASHLEY; DESAI; LEVINE, Jurı́dico
Diagnóstico
e 2002)
Solução
Táticos e desem- ICONCHESS (LAZZERI; HELLER, Jogo de Xadrez
penho de estra- 1996)
tégias
Análise de Casos Rashi (WOOLF et al., 2005)
História, Biologia
Análise de Casos 20/20 (MASTERMAN, 2004)
História
Análise de Casos Belvedere (SUTHERS et al., 2001) Argumentação na pesquisa cientı́fica
Análise de Casos ConvinceMe (SCHANK, 1995)
Coerência em explanação
Projeto
EDS (LOGAN; CORNE, 1992)
Procura tratar inconsistências durante
o projeto de produtos tais como: medicamentos e sistema de energia nuclear.
Dilema
DC(MOORE, 1993)
Empregou a teoria Dialog Game Theory como mecanismo de gerência de
diálogo em um ITS.
Dilema
Rashi (WOOLF et al., 2005)
História, Biologia
Dilema
20/20 (MASTERMAN, 2004)
História
Dilema
Belvedere (SUTHERS et al., 2001) Argumentação na pesquisa cientı́fica
Dilema
ConvinceMe (SCHANK, 1995)
Coerência em explanação
62
registradas pelo Módulo do Aprendiz e as ações e crenças do Especialista do Domı́nio no
Módulo do Especialista. Em outros, o Módulo do Especialista pode ser substituı́do por
um Módulo de Erros ou Bugs (BAFFES; MOONEY, 1996). A diferença de informações entre
os módulos do Especialista e do Aprendiz ou as informações contidas no Módulo de Erros
pode fornecer subsı́dios para a definição de ações automatizadas. (WAHLSTER; KOBSA,
1988)
Quantos e quais são os módulos que podem compor um ITS? Essa não é uma pergunta
simples de responder, pois os módulos podem variar de acordo com inúmeros aspectos tais
como domı́nio, tipo de problema, habilidade a ser exercitada, modelo de acompanhamento
do aprendiz, entre outros. Virvou e Mondridou (2001), por exemplo, definiram e adicionaram um componente “Modelo do Instrutor”, para facilitar a manipulação de parâmetros
do ITS; e esse componente nem sempre tem estado presente nos ITSs desenvolvidos após
a publicação do trabalho desses autores.
Um modelo genérico para definição de ITSs baseado em cinco componentes ou módulos
básicos é apresentado por O’Shea et al. (1984). Nesses cinco componentes, o Modelo do
Especialista não é representado explicitamente, mas a sua funcionalidade está contida nos
outros componentes.
2.4
Conclusão
O resultado da investigação realizada permite identificar algumas lacunas, a saber:
• Carência de modelos genéricos de ITSs que permitam representar atividades instrucionais baseadas em problemas do tipo mal estruturados.
63
• Os diálogos e mensagens trocados em um possı́vel ITS baseado na solução de ISPs
poderiam contemplar os modelos definidos por Hong (1998) e ilustrados na Figura
2.5.
• Ausência de documentação que indique quais os possı́veis estereótipos de aprendizes
que poderiam ser identificados em atividades de solução de ISPs através de ITSs.
• A SC permite representar problemas do tipo Análise de Casos e Dilemas (EGAN,
1976). Não foi localizado ITS que permita a representação desses tipos de problema.
• O domı́nio definido para o desenvolvimento de atividades instrucionais baseadas em
ISPs pode ser pouco estruturado (JONASSEN, 2004). Não foi identificado como esse
domı́nio pouco estruturado poderia ser representado de forma estruturada.
Com base no que foi apresentado neste capı́tulo, conclui-se:
Conclusão 2.1 Aprendizes necessitam do conhecimento estrutural e do domı́nio durante
a solução do ISP.
Conclusão 2.2 Aprendizes elaboram soluções aos ISPs através da avaliação e julgamento
de elementos do domı́nio.
Conclusão 2.3 A definição de um conjunto de restrições lógicas sustentáveis através de
argumentação faz parte do processo de solução de um ISP.
Conclusão 2.4 A habilidade de extrair elementos relevantes do domı́nio para um determinado contexto não é comum em aprendizes.
3 Comunicação Estrutural
Este capı́tulo descreve a Comunicação Estrutural ou Structural Communication - SC
(EGAN, 1976), suas seções e os relatos de sua utilização em atividades instrucionais.
Investiga-se também as prováveis dificuldades da execução automatizada sem a presença
do professor e quais os relacionamentos entre ela e a Teoria da Flexibilidade Cognitiva de
Spiro et al. (1991).
Este capı́tulo está estruturado da seguinte forma:
• A Seção 3.1 descreve o contexto do uso da SC.
• A Seção 3.2 apresenta a estrutura interna de uma atividade instrucional formatada
com a técnica SC.
• A Seção 3.3 investiga a relação entre a SC e a Teoria da Flexiblidade Cognitiva de
Spiro et al. (1991).
• A Seção 3.4 resume as pesquisas realizadas com a SC.
• A Seção 3.5 analisa as prováveis dificuldades que poderiam surgir durante a execução
de um exercı́cio SC.
• A Seção 3.6 apresenta uma convenção adotada neste trabalho para representar as
regras da seção Discussão de uma SC.
CAPÍTULO 3. COMUNICAÇÃO ESTRUTURAL
65
• A Seção 3.7 encerra o capı́tulo, concluindo a investigação dos trabalhos documentados que foram localizados durante a execução deste projeto de pesquisa.
3.1
Contexto da Utilização da Comunicação Estrutural
A Comunicação Estrutural é uma técnica que surgiu em contraposição à Instrução
Programada idealizada ao longo da década de 60 (EGAN, 1976). Segundo Egan (1976),
a Instrução Programada parecia ser uma técnica para a massificação da aprendizagem
e vinha se espalhando como uma técnica padrão na época. A Instrução Programada,
realizada na época e empregada até os dias atuais, consiste na apresentação seqüêncial
da atividade instrucional. Essa seqüência pode ser linear com caminho único ou com
múltiplos caminhos. Na SC não existe seqüência definida.
O potencial de uso da SC em atividades instrucionais relatado na literatura, indica
dois tipos de aplicações que podem ser desenvolvidas (NORONHA; FERNANDES, 2005b).
Esses tipos de aplicações possuem as seguintes caracterı́sticas:
1. Investigação:
• Como ferramenta de avaliação do conhecimento do aprendiz. (JOHNSTONE,
1988; JOHNSTONE; AMBUSAIDI, 2000; JOHNSTONE; BAHAR; HANSELL, 2000;
JOHNSTONE; AMBUSAIDI, 2001; DURMUS; KARAKIRIK, 2005)
• Como recurso para elaboração de diagnóstico inicial do conhecimento e da estrutura cognitiva do aprendiz. (BAHAR, 1999; JOHNSTONE; BAHAR; HANSELL,
2000)
66
• Como ferramenta de descoberta da estrutura de conhecimento do domı́nio de
um especialista. (DILLS; ROMISZOWSKI, 1990)
2. Desenvolvimento:
• Ambiente onde o aprendizado pode se efetivar através da execução de atividades instrucionais ou exercı́cios desenvolvidos e formatados com a SC. (EGAN,
1976)
• A SC é utilizada como elemento catalisador da discussão e debates entre grupos de aprendizes e professores em ambientes virtuais de aprendizagem. (VILLALBA; ROMISZOWSKI, 2004)
Apesar de essa técnica ter sido desenvolvida na década de 60, poucos são os relatos de
pesquisas realizadas com ela ou do seu uso na prática escolar. Um dos relatos de seu uso é
encontrado na Harward Business Review (HODGSON; DILL, 1970). Nessa publicação, a SC
foi utilizada para realizar estudo de casos, quando o aprendiz submetia a sua solução de
problemas previamente definidos pelo autor através do correio e recebia da mesma forma
uma mensagem textual que comentava a solução submetida.
Quando utilizada com a finalidade Desenvolvimento, a sua execução está centralizada
em um conjunto de regras pré-definidas pelo autor da SC. O professor utiliza esse conjunto
de regras para estruturar o diálogo entre um possı́vel especialista do domı́nio e o aprendiz.
Essa estruturação tem como objetivo simular um diálogo que possibilite analisar profundamente o tema ou assunto do problema ou exercı́cio. Durante a execução desse exercı́cio,
o aprendiz tem a possibilidade de, repetidamente, discutir diversas soluções aceitáveis que
um problema pode ter.
A estrutura da SC é formada por seis seções. Essas seções podem ser agrupadas de
67
acordo com a sua funcionalidade na atividade instrucional, a saber:
• Definição de Contexto ou Cenário - está formada pelas seções Intenção e Apresentação que definem ou estabelecem o contexto sob o qual um conjunto de problemas ou desafios serão examinados.
• Simulação do Diálogo - é composta pelas seções Investigação, Matriz de Resposta e Guia de Discussão. Esta última é composta por um conjunto de regras de
produção e mensagens textuais associadas às regras. Esse conjunto procura simular
o diálogo entre aprendiz e tutor enquanto analisam as possı́veis soluções do conjunto
de problemas contidos na seção Investigação.
• Finalização da Atividade Instrucional - Formada pela seção Pontos de Vista
do Autor, encerra a execução da atividade instrucional, fornecendo comentários à
respeito do desempenho apresentado ou esperado das ações do aprendiz.
3.2
Estrutura da Comunicação Estrutural
Conforme descrito por Egan (1976), as seções de uma atividade instrucional SC possuem, individualmente, as seguintes caracterı́sticas:
• Intenção - Define o que deverá ser aprendido e em que intensidade. Fornece uma
visão geral, o objetivo instrucional e o contexto para o conteúdo da AIBP.
• Apresentação - Fornece informações descritivas do assunto, exercı́cios resolvidos
e estudos de casos. Pode ser composto de texto especialmente definido para a
instrução, contos, vı́deos, peças teatrais, simulações, cursos em computadores, entre
outras formas.
68
• Investigação - Apresenta de forma seqüencial um conjunto de problemas sobre o
assunto da seção Apresentação. A SC denomina Desafio, o problema apresentado
nessa seção. O aprendiz enfrenta esses Desafios selecionando alguns elementos da
Matriz de Resposta.
• Matriz de Resposta - Alguns elementos relevantes do domı́nio são aleatoriamente
distribuı́dos em uma estrutura de matriz. Os elementos podem ser frases, fatos,
conceitos ou princı́pios contidos na seção Apresentação. A Matriz de Resposta é
única em toda a atividade instrucional e deve atender às necessidades de todos os
Desafios contidos na seção Investigação. Johnstone (1988) recomenda, a partir de
experimentos, que o tamanho da Matriz de Resposta seja de acordo com a idade do
aprendiz. Para os aprendizes das primeiras séries iniciais, a matriz deve conter 12
elementos; para aprendizes de séries mais avançadas, 16 elementos; e para aprendizes
da graduação, a matriz com 20 elementos é a recomendada.
• Guia de Discussão - Essa seção é composta por duas partes, a saber: i) Regras de
Produção do Guia de Discussão e ii) Comentários do Professor. Cada regra define
uma condição “se - então” baseada na Inclusão (I) ou Omissão (O) de elementos
da matriz na solução do aprendiz. Cada regra possui associada uma especı́fica
mensagem ou comentário do professor. Essa mensagem têm propósito construtivo e
discute em profundidade o raciocı́nio utilizado pelo aprendiz quando inclui ou omite
alguns itens da matriz em sua resposta.
• Pontos de Vista do Autor - Possibilita que o professor apresente um resumo,
outras interpretações ou até mesmo passe a abordar novamente algum aspecto ou
parte do domı́nio.
69
O Apêndice A exemplifica um exemplo de uma atividade instrucional SC.
A ordem de apresentação das seções da SC pode variar de acordo com o uso da SC
(EGAN, 1976). Quando usadas como ferramenta de diagnóstico, as seções Investigação,
Matriz de Resposta e Discussão precedem e podem definir o conteúdo da seção Apresentação (EGAN, 1976). Quando usada como ferramenta de Avaliação, a seção Apresentação
poderia ser omitida (JOHNSTONE, 1988). Se usada para a finalidade Desenvolvimento, a
ordem de apresentação das seções poderia ser Intenção, Apresentação, Investigação, Matriz de Resposta, Guia de Discussão e, finalmente, Pontos de Vista do Autor, por exemplo.
A Figura 3.1 foi elaborada pelo autor deste documento a partir desses relatos e representa
a multiplicidade de caminhos possı́veis entre as seções da SC.
FIGURA 3.1 – Possı́veis seqüências de apresentação das seções de uma SC.
3.3
70
A SC e a Teoria da Flexibilidade Cognitiva
Se a SC puder ser relacionada com a Teoria da Flexibilidade Cognitiva, então o pressuposto de que a SC pode ser utilizada para representar ISPs em atividades instrucionais,
é reforçado. Para investigar esse possı́vel relacionamento, nesta seção analisa-se a SC sob
a ótica dessa teoria, buscando-se identificar qual o relacionamento da SC com a CFT.
Ao analisar a CFT e um exercı́cio de SC, observam-se algumas semelhanças conceituais.
Algumas dessas semelhanças estão apresentadas nas próximas subseções. As subseções de
3.3.1 a 3.3.4 fornecem argumentos que permitem considerar a SC como uma técnica de
representação da CFT em atividades instrucionais.
3.3.1
CFT e a Matriz de Resposta
O aprendiz ao enfrentar um Desafio deverá selecionar elementos da Matriz Resposta
para compor a sua solução. Ou seja, deverá definir possı́veis relacionamentos entre esses
elementos. O aprendiz quando seleciona elementos da Matriz de Resposta para compor
uma solução ao Desafio está estruturando esses elementos ou estabelecendo relações entre eles de acordo com diferentes contextos. Esses contextos estão definidos nas Seções
Apresentação e Desafio.
O autor do exercı́cio define contextos pelos quais as peças do domı́nio devem ser
manipuladas ou estruturadas para compor idéias. As peças do domı́nio são representadas
e armazenadas na Matriz de Resposta. Entretanto, manipular e estruturar conceitos do
domı́nio mal estruturado é uma caracterı́stica da CFT.
Ao selecionar os elementos da Matriz de Resposta, o aprendiz está simplesmente estruturando esses elementos ou representando conexões de inclusão entre eles. Ao omitir
71
da sua solução alguns itens da Matriz de Resposta, o aprendiz está definindo conexões de
omissão entre esses elementos. A Figura 3.2 exemplifica essa idéia. Três elementos são estruturados na Figura 3.2a), os elementos 5, 9 e 14 da Matriz de Resposta. Essa estrutura
poderia ser representada através da regra I (5, 9, 14), por exemplo. Nessa representação,
a função de Inclusão “I(...)” está sendo ilustrada graficamente pelo cı́rculo fechado, e a
linha cheia representa a união desses elementos.
As outras Figuras 3.2 b), c) e d) ilustram outros possı́veis exemplos de estruturação
dos elementos da Matriz de Resposta e as regras que poderiam ser inferidas a partir dessa
estrutura.
A Figura 3.2 b) representa uma possı́vel estrutura entre os elementos 3, 5, 12 e 14.
Nessa estrutura, os elementos 3, 5 e 14 são conectados por uma linha cheia enquanto
o elemento 12 está separado. Essa estrutura poderia ser representada através da regra
I(3,5,14) ou I(12). Na Figura 3.2 c), a função de Omissão “O(...)” é representada através
do cı́rculo aberto. No relacionamento da Figura 3.2 c) os elementos 2 e 7 da Matriz de
Resposta são estruturados. Essa estrutura poderia ser representada através de uma regra
O(2, 7), por exemplo. Na Figura 3.2 d) é ilustrada uma pequena variação, a operação
“OU” no lugar da operação “E” entre os elementos 2 e 7 da Matriz de Resposta.
De acordo com esse exemplo de representação gráfica de possı́veis estruturas dos elementos da matriz, algumas regras de representação poderiam ser definidas:
• A seleção de um elemento é representada na figura através de um cı́rculo na posição
desse elemento na Matriz de Resposta. Se o cı́rculo for fechado, a estrutura representa a função de Inclusão. Se o cı́rculo for aberto, a estrutura representa a função
de Omissão.
72
FIGURA 3.2 – Exemplos de Estruturação dos Elementos da Matriz de Resposta
• A ligação, conjunção entre elementos ou operação “E” é realizada através de linha
cheia ligando os elementos.
Uma análise aprofundada de cada elemento da Matriz Resposta poderia sugerir que
cada um deles possui um conjunto de conceitos associados. A Figura 3.3 apresenta um
exemplo simbólico dos conceitos que poderiam estar associados em cada elemento formador da Matriz de Resposta. Um determinado conceito, por exemplo o conceito C1
da Figura 3.3 está associado aos elementos ou células 1 e 3 da matriz. Sob essa ótica,
o domı́nio é fragmentado e cada célula da matriz representa um conjunto de conceitos
estruturados.
73
FIGURA 3.3 – Exemplo simbólico da estrutura conceitual dos elementos da Matriz de
Resposta.
3.3.2
Qual É a Função da Matriz Resposta de Acordo com a
CFT?
No contexto deste trabalho de pesquisa, a função da Matriz de Resposta é a seguinte:
• Delimitar os elementos do domı́nio a serem manipulados e estruturados pelo aprendiz.
• Fornecer as mesmas condições de trabalho aos aprendizes que apresentam caracterı́sticas de Dependência de Domı́nio e Independência de Domı́nio descritas por
Bahar (1999). O aprendiz não precisa desestruturar o domı́nio, localizar e avaliar
a relevância dos conceitos obtendo os elementos que poderiam ser manipulados na
tarefa de compor idéias. Os elementos que devem ser estruturados são os que estão
representados na Matriz de Resposta.
74
• Permitir que aprendizes estruturem alguns elementos do domı́nio de acordo com
diversos contextos. Cada estrutura criada pelo aprendiz corresponde a uma possı́vel
solução a um Desafio. Uma atividade instrucional SC é tipicamente formada por
mais de um Desafio. Cada Desafio define um novo contexto. A cada novo contexto,
os elementos da matriz precisam ser novamente estruturados.
3.3.3
CFT e a Seção Apresentação
A relação entre o documento-texto contido na seção Apresentação de uma SC com um
grafo representando os conceitos relevantes de um ISKD e o objetivo de uma atividade
instrucional está descrito em Noronha e Fernandes (2005a).
Para Noronha e Fernandes (2005a), um conceito pode ser composto por um conjunto
de elementos-chave do domı́nio ou Keyword Knowledge - KWK. Por exemplo, o conceito
“dependência quı́mica” pode estar associado ou ser composto pelos elementos-chave do
domı́nio ou palavras {droga, maconha, drogado, álcool, entre outras}. Ou seja, de maneira
genérica, esse trabalho define:
Cn = {KW Ki , KW Kj , KW Kk , ...}
A Figura 3.4 exemplifica a idéia apresentada por Noronha e Fernandes. Conceitos
considerados relevantes pelo autor são representados através de nós rotulados seqüencialmente por C1 a C13, por exemplo.
Na Figura 3.4, uma estrutura de conceitos é representada através de grafos. Nesse
exemplo de representação, a estrutura é formada por 5 grupos denominados respectivamente por “a)”, “b)”, “c)”, “d)” e “e)”. O grupo “a)” exemplificado na figura é formado
pelos conceitos C1, C7 e C6. O grupo “b)” é formado pelos conceitos C2, C3, C4 e C5.
75
FIGURA 3.4 – Exemplo de possı́vel relacionamento entre uma estrutura conceitual e a
seção Apresentação.
O grupo “c)” é formado pelos conceitos C8, C9, C10, C11, C12 e C13. O grupo “d)” é
formado pelos elementos C10, C12 e C13. E finalmente o grupo “e)” é formado pelos
elementos C6 e C5.
Esses grupos podem estar associados a frases ou parágrafos do texto, conforme ilustra
essa figura. O grupo “a)” está associado com as frases F1 e F5. O grupo “b)” com a frase
F4, por exemplo.
76
Esses grupos de conceitos podem ser independentes entre si, como os grupos “a)”, “b)”
e “c)” que não possuem conceitos em comum. Os grupos também podem possuir uma
relação de intersecção, como os grupos { “a)” e “e)” }, {“e)” e “b)” } e {“c)” e “d)”}. Um
grupo pode estar contido dentro de outro grupo, como os grupos { “c)” e “d)” }, em que
o grupo “d” está contido no grupo “c)”.
A ocorrência ou não desses grupos de conceitos em frases do documento-texto contido
na seção Apresentação da SC pode definir outras relações semânticas entre esses conceitos
similares às descritas por Zampa e Lemaire (2000). Por exemplo, na Figura 3.4, a frase
denominada F1 define relações semânticas entre alguns dos elementos do grupo “a)”. A
frase denominada F2 define relações semânticas entre alguns elementos dos grupos “c)” e
“d)”. A frase F3 define relacionamento semântico entre os elementos do grupo “d)”. A Figura 3.4 exemplifica e ilustra outros relacionamentos possı́veis entre conceitos e elementos
do texto.
Finalmente, o grupo “e)” não possui relacionamento semântico no documento-texto
exemplificado. No documento-texto não existe frase ou parágrafo que relacione os elementos formadores desse grupo. O grupo “e)” representa um possı́vel relacionamento semântico entre alguns elementos do domı́nio realizado pelo autor da atividade instrucional.
Nesse exemplo simbólico, o grupo “e)” não possui representação explı́cita no documentotexto.
3.3.4
CFT e a Seção Guia de Discussão
A Figura 3.5a) representa cinco conceitos ou grupos de conceitos de um domı́nio ISKD
fictı́cio. Esses conceitos ainda não possuem estrutura definida e são representados como
77
unidades isoladas, sem ligações, em um plano bidimensional de conceitos (C x C).
Os elementos desse grupo podem ser estruturados, de acordo com o ponto de vista do
autor da SC, conforme exemplifica a Figura 3.5b). Nesse exemplo, os conceitos 1, 2 e 3
são selecionados e associados em conjunção. Esse relacionamento pode ser representado
no Guia de Discussão através de uma regra, conforme ilustra a Figura 3.5c).
FIGURA 3.5 – Exemplo de cinco conceitos que podem ser estruturados e a sua correspondente representação através de Regra de Produção.
Essa representação é denominada nesta pesquisa por Grafo da Teoria de Flexibilidade
Cognitiva ou Cognitive Flexibility Theory Graph - “CFT-G” e cada regra poderia ser
representada por um especı́fico CFT-G. A Figura 3.6 ilustra essa idéia. Nessa figura, três
regras hipotéticas de um Guia de Discussão são representadas. A Regra 1, exemplificada
por I(1, 2, 3), é representada graficamente por cı́rculos fechados para os elementos números
1, 2 e 3 e segmentos de reta ligando esses elementos. A Regra 2, exemplificada por I(2, 3,
4) ou I(1,5), é representada graficamente por cı́rculos fechados para os cinco elementos e
segmentos de reta ligando os elementos 2, 3 e 4 e um outro segmento de reta independente
ligando os elementos 1 e 5. A última regra, exemplificada por O(2, 3), os elementos 2 e 3
são representados por cı́rculos abertos e um segmento de reta conectando esses elementos.
78
FIGURA 3.6 – Exemplo simbólico de representação através da CFT-G das Regras do
Guia de Discussão.
A METERI associada a cada regra permite que o autor da SC justifique o seu ponto
de vista a respeito da estrutura representada no CFT-G. De acordo com o trabalho de
Hong (1998), esses comentários resultam do resultado da análise individual ou conjunta
dos elementos dessa estrutura, conforme exemplificado na Figura 2.5.
3.4
Pesquisas Realizadas com a SC
A SC tem sido objeto de investigação de alguns estudiosos tais como Hodgson e Dill
(1970), Egan (1976), Pugh (1977), Johnstone (1988), Chang (1994), Graham e Lambert
(1998) e Bahar (1999), entre outros.
Esses estudos estão agrupados nas categorias “estudo em grupo”, “estudo individual”
e “avaliação”, de acordo com o relatado pela correspondente bibliografia.
3.4.1
79
SC no Estudo em Grupo
Graham e Lambert (1998) empregaram a SC como auxı́lio para atividades de treinamento quando os participantes deveriam trabalhar em grupo de forma cooperativa.
Eles relatam que a vivacidade observada nas discussões das teses dos aprendizes durante
a execução de atividades instrucionais elaboradas com a SC foi sempre acima do esperado. A função da Matriz de Resposta e dos Desafios foram comprovados como elementos
estimuladores de discussão nos experimentos de Graham e Lambert.
Chang (1994) investigou, através da execução de atividades instrucionais em grupo
assı́ncronos, quatro estratégias cognitivas através da SC. Através de um ambiente computacional cooperativo desenvolvido para o seu experimento, as seguintes estratégias foram
investigadas:
• Justificar-Discutir - Nessa modalidade, após selecionar os elementos da Matriz de
Resposta, cada aprendiz necessita justificar individualmente a escolha de cada elemento. Após essa ação, o aprendiz acessa as justificativas que os outros aprendizes tinham apresentado para cada item selecionado e tem oportunidade de contraargumentar. O aprendiz não tem acesso às METERIs armazenadas na Seção Discussão.
• Justificar-METERI-Discutir - Nessa modalidade, a ação do aprendiz é muito similar
à anterior. A única diferença consiste entre a primeira e segunda ação. Existe uma
ação intermediária entre as ações de Justificar e Discutir. Nessa ação intermediária,
o aprendiz tem acesso à METERI que o autor do exercı́cio havia preparado.
• METERI-Discutir - Após selecionar os elementos da Matriz de Resposta, o aprendiz
tem acesso à METERI armazenada na Seção Discussão e ele pode contribuir ou
80
omitir a sua opinião a respeito da METERI apresentada. Em seguida, ele tem
acesso aos registros armazenados por outros alunos para a solução apresentada.
• apenas METERI - Após selecionar os elementos da Matriz de Resposta, o aprendiz
tem acesso à METERI armazenada na Seção Guia de Discussão.
Pode-se constatar, no relato apresentado por Chang (1994), que o ambiente desenvolvido e denominado por Shell SC contempla e induz o aprendiz a analisar cada elemento
da Matriz de Resposta de forma isolada. A interface gráfica do ambiente conduz o aprendiz a justificar separadamente cada elemento selecionado na Matriz Resposta. Ou seja,
conforme descrito na Seção 2.1.6.1 deste documento e ilustrado na Figura 2.5, apenas o
padrão ilustrado na Figura 2.5a) está disponı́vel no ambiente desenvolvido por Chang.
Villalba e Romiszowski (2004) apresentam um ambiente de instrução que emprega a
SC como cenário para as atividades de aprendizagem no ambiente Internet. Nesse ambiente, os próprios aprendizes justificavam a escolha dos elementos da Matriz de Resposta.
Essa justificativa é armazenada de forma digital, podendo ser acessada por outro grupo
de aprendizes. Um dos objetivos do estudo foi o de promover, em grupos pequenos, a discussão de quais elementos poderiam ser selecionados e registrar os motivos que levaram o
grupo de aprendizes a essas escolhas.
3.4.2
SC no Estudo Individual
Pugh (1977) realizou estudos com a SC no domı́nio da Antropologia. Nesses estudos,
ele relata algumas dificuldades em elaborar os Desafios. De acordo com Pugh, o Desafio
é difı́cil de compor e responder, e o professor necessita ser capaz de destacar conceitos e
princı́pios do assunto em estudo. Ou seja, ele necessita possuir algumas das caracterı́sticas
81
de Independência de Domı́nio relatadas por Bahar (1999).
Graham e Lambert (1998) utilizaram uma ferramenta de autoria multimı́dia para
elaborar atividades instrucionais empregando a técnica da SC. A ferramenta de autoria
utilizada não dispõe de mecanismos facilitadores para autoria ou execução da SC. As
mensagens da seção Guia de Discussão permitiram o exercı́cio de reflexão por parte dos
aprendizes, segundo os autores. O trabalho de Grahan e Lambert (1998) relata também
que essas mensagens contribuı́ram para o sucesso da instrução, que tinha como objetivo o
desenvolvimento da capacidade de selecionar discordâncias em cinco cenários propostos.
Os trabalhos de Noronha, Galante e Fernandes (2005) e Noronha e Fernandes (2005b)
apresentam algumas idéias de como integrar a SC com os ITSs para representar atividades instrucionais baseadas em ISPs. Nesses trabalhos, não são definidos mecanismos de
acompanhamento do aprendiz durante o processo de solução de um Desafio, mas apenas
o registro das soluções do aprendiz para os Desafios.
Noronha (2005) e Noronha e Fernandes (2005a) descrevem um modelo e um processo
de autoria de uma atividade instrucional com a SC, tendo como base algumas possı́veis
dificuldades da sua autoria.
3.4.3
SC como Ferramenta de Avaliação
Segundo Bahar (1999), professores da Universidade de Glasgow têm feito uso de algumas seções da SC como instrumento de avaliação do conhecimento do aprendiz. Bahar
argumenta que uma das vantagens de se empregar a SC como ferramenta de avaliação é
a redução do acerto da questão pela sorte ou “chute”.
Johnstone (1988) e Johnstone e Ambusaidi (2001) asseveram que, através da Matriz
82
de Resposta, foi possı́vel testar, no domı́nio da Quı́mica, as seguintes habilidades em
aprendizes:
• Categorizar e profundar conceitos.
• Seqüenciar idéias.
• Descrição e definição de procedimentos.
• Dedução e Inferências em vários nı́veis.
• Identificação de padrões.
• Composição objetiva.
A pesquisa de Johnstone (1988) influenciou o trabalho de Durmus e Karakirik (2005).
Eles apresentaram uma ferramenta computacional com a finalidade de realizar a avaliação de conhecimento tal como previamente descrito por Johnstone (1988). Noronha et
al. (2004) apresentaram um aplicativo hipermı́dia que utiliza a SC como atividade de
conclusão da atividade instrucional.
3.4.4
Resumo dos Relatos das Pesquisas Realizadas com a SC
A pouca quantidade de relatos encontrados na literatura pesquisada, torna prematuro
elaborar qualquer afirmação a respeito das vantagens ou desvantagens do uso da SC em
comparação com outras técnicas instrucionais, embora o trabalho de Bahar (1999) tenha
comparado a SC com as técnicas de “associação de palavras” e “mapas mentais”.
Na literatura pesquisada, também não foi encontrado relato de possı́veis dificuldades
especı́ficas enfrentadas pelos aprendizes utilizando a SC. Bahar (1999) identificou, através
83
de experimentos que empregaram a SC como técnica de avaliação, que aprendizes com
caracterı́sticas de Independência de Domı́nio tiveram desempenho superior aos Dependentes de Domı́nio. Isso se deve, segundo Bahar, ao fato de que os aprendizes identificados
como Independentes de Domı́nio possuem uma habilidade maior de selecionar elementos
relevantes dos irrelevantes.
Bahar ainda classificou os aprendizes em Convergentes e Divergentes com base nos trabalhos de Hudson (1966; 1968). Os aprendizes que foram classificados como Convergentes
apresentaram diversas soluções distintas que convergiam a pontos especı́ficos do domı́nio. Aprendizes classificados como Divergentes exploravam diversos pontos do domı́nio
em suas soluções, sem haver convergência para algum ponto em especı́fico.
Os aprendizes com as caracterı́sticas de pensamento divergente tiveram notas superiores aos com estilo convergente. Ele conclui então que aprendizes divergentes tendem
a ser Independentes de Domı́nio e os convergentes Dependentes de Domı́nio. Diante da
ausência de relatos que apresentem dificuldades enfrentadas por aprendizes durante a execução de uma atividade instrucional SC, este trabalho considera que os aprendizes podem
apresentar o comportamento Divergente e Convergente, observado por Bahar.
3.5
Prováveis Dificuldades de Execução da Atividade
Instrucional com a SC
Para descrever as prováveis dificuldades que um aprendiz pode enfrentar, há a necessidade de analisar o processo de solução do Desafio. A Tabela 3.1 destaca algumas
dificuldades operacionais da SC. As Seções 3.5.1, 3.5.2 e 3.5.3 detalham respectivamente
84
essas dificuldades inferidas.
TABELA 3.1 – Possı́veis dificuldades operacionais e de execução da SC.
Dificuldades
Conseqüências
Operacionais
Ausência de controle
das METERIs apre• As regras do Guia de Discussão podem não abranger tosentadas ao aprendiz.
das as soluções que o aprendiz pode apresentar, ou seja,
configura-se ausência de METERI para uma solução do
aprendiz.
• Apresentar a mesma METERI para soluções diferentes.
• Algumas METERIs não são apresentadas ao aprendiz.
Dessa forma, o aprendiz deixa de analisar o problema
sob alguns pontos de vista definidos pelo autor da SC.
Ausência de mecanismo de seleção de
Regras do Guia de
Discussão.
• Apesar do elevado grau de similaridade entre a solução
do aprendiz e determinada regra do Guia de Discussão, essa regra pode não ser selecionada. Outra regra,
baseada na omissão de elementos e não na inclusão de
elementos, é selecionada, por exemplo.
• Uma determinada solução poderia disparar diversas regras do Guia de Discussão. Cada uma dessas regras possui associada uma especı́fica METERI. A apresentação
de diversas METERIs ao mesmo tempo poderia levar o
aprendiz a uma sobrecarga de informações desconexas
entre si.
Ausência de linguagem para representação das regras do Guia
de Discussão.
• A ausência de uma linguagem de autoria das regras do
Guia de Discussão pode ocasionar múltiplas interpretações de uma determinada regra.
Apesar da SC ter um conjunto de regras definindo quando apresentar as METERIs na
seção Guia de Discussão, essas regras analisam apenas a solução apresentada pelo aprendiz, desconsiderando as soluções anteriores, e quais METERIs ainda faltam ser lidas pelo
aprendiz. Esse aspecto é inconsistente para o “correto” desenvolvimento de uma atividade
instrucional com a SC. O “correto” desenvolvimento de uma atividade instrucional poderia
85
ocorrer quando a METERI, entre outros aspectos, possibilitar que o aprendiz:
1. Analise a sua solução.
2. Procure identificar ou explorar novas soluções do problema.
3. Continue interagindo com a atividade instrucional.
3.5.1
A Importância do Controle das Mensagens Textuais de
Retorno de Interação Apresentadas ao Aprendiz
Para ilustrar a importância do controle das METERIs, a Seção 3.5.1.1 simula uma
possı́vel interação entre aprendiz e as regras do Guia de Discussão exemplificado na Figura
3.7. De maneira complementar, a Seção 3.5.1.2 apresenta o resultado de uma simulação
computadorizada. Nessa simulação, apresenta-se ao RBS todas as possı́veis soluções ao
Desafio e verifica-se quais e quantas regras são selecionadas.
FIGURA 3.7 – Exemplo de regras do Guia de Discussão traduzido de (FYFE; WOODROW,
1969).
3.5.1.1
Estudo de Caso da Interação Aprendiz-SC
Um determinado aprendiz, ao solucionar o Desafio ilustrado na Figura 3.7, por exemplo, poderia selecionar os seguintes elementos {1, 7, 9, 15} da Matriz de Resposta da
Figura 3.8. Um sistema de casamento de padrões, ao analisar a solução do aprendiz e
86
FIGURA 3.8 – Exemplo de Matrix de Resposta traduzido de (FYFE; WOODROW, 1969).
compará-la com as regras de sua base de conhecimento, conforme ilustrado na Figura 3.7,
selecionará a regra número 3, “Se O(2, 3 ou 17) então leia a METERI C”. O nó “A” da
Figura 3.9 ilustra essa interação. Vale notar que não foi definida regra alguma para a
solução apresentada pelo aprendiz, a saber, {1, 7, 9, 15}. A METERI C a ser apresentada ao aprendiz provavelmente terá informações a respeito dos motivos que levariam o
aprendiz a omitir os elementos {2, 3 ou 17}. Será que a METERI abordaria os assuntos
relacionados com os elementos do conjunto da solução {1, 7, 9, 15} que foram selecionados
pelo aprendiz? Provavelmente não.
Ao ler a METERI C, o aprendiz pode ficar convencido que uma solução possı́vel seja
composta apenas pelos elementos {2, 3, 17} ou que a sua solução necessita conter também
esses três elementos.
Ele poderia fornecer duas novas soluções, conforme ilustram respectivamente os nós C
87
e B da Figura 3.9. Se o aprendiz fornece uma nova solução em virtude da mensagem lida,
qual o comportamento do sistema?
Nessa nova solução, se o aprendiz adicionar os elementos {2, 3, 17} à sua solução
anterior, a nova solução será a lista {1, 7, 9, 15, 2, 3, 17}. Ao comparar essa solução
com o conjunto de regras da Figura 3.7, observa-se que nenhuma regra será selecionada,
conforme ilustra o nó B da Figura 3.9. A ausência dessa regra é uma indeterminação para
a SC.
FIGURA 3.9 – Árvore de simulação da regra selecionada do Guia de Discussão em função
da solução do aprendiz.
Se o aprendiz substituiu a sua solução por uma nova solução formada apenas pelos
elementos {2, 3, 17}, a regra número 2 da Figura 3.7 será selecionada, conforme ilustra
o nó C da Figura 3.9. Essa regra trata da omissão dos seguintes elementos: {1, 4, 5,
88
6, 7, 8, 9, 10, 12, 14, 15 ou 16} e está associada à METERI B, conforme ilustrado na
Figura 3.7. Novamente, supondo que ao ler a METERI B, o aprendiz esteja convencido da
necessidade da seleção desses elementos, o aprendiz compõe uma nova solução com esses
doze elementos, conforme ilustram os nós D e E da Figura 3.9. Qual o comportamento
do sistema para essa solução? A regra a ser selecionada será novamente a regra número
3 ou não terá regra alguma conforme ilustram o nós E e D da Figura 3.9.
O aprendiz, ao ler novamente a mesma mensagem, poderia concluir, a respeito da
atividade instrucional:
1. A primeira solução ilustrada pelo nó A da Figura 3.9, apesar de ser diferente da
última ilustrada pelo nó E dessa mesma figura, forneceu a mesma METERI; logo,
os dois conjuntos de elementos selecionados são equivalentes.
2. Como o sistema forneceu a mesma mensagem, provavelmente ele não tem mais
mensagem alguma para apresentar.
3. Se o sistema tiver uma nova mensagem que precisa ser lida, quais elementos eu devo
selecionar?
Esse exemplo ilustra uma outra questão importante do uso da SC. O autor da SC
definiu 4 regras, mas apenas duas foram utilizadas na execução da atividade instrucional,
as regras número 2 e 3. Ou seja, o aprendiz conseguiu ter aceso apenas a 50 % das
METERIs armazenadas. Outro aspecto é a ausência de mecanismo de acompanhamento
do aprendiz. A segunda vez que a Regra 3 foi selecionada, a mensagem não leva em
consideração o histórico das soluções do aprendiz. A METERI é repetida por motivo de
ausência de uma mensagem mais adequada.
3.5.1.2
89
Estudo de Caso da Execução Automatizada de um Exercı́cio SC.
O estudo de caso apresentado neste trabalho analisa a execução computadorizada de
uma atividade instrucional com a SC. Nesse estudo, foi simulado um possı́vel aprendiz
que fornece todas as soluções possı́veis ao Desafio do exercı́cio. Busca-se assim identificar:
• Quantas vezes nenhuma, uma ou mais de uma regra foi selecionada para uma solução
S qualquer. As Tabelas 3.3 e 3.5 resumem esses valores.
• Quantas vezes cada regra foi selecionada para uma solução S qualquer. As Tabelas
3.2 e 3.4 resumem esses valores.
Dois exemplos foram selecionados de forma aleatória para esse estudo de caso. O primeiro foi obtido em Fyfe e Woodrow (1969); o segundo é o Desafio número 1 da Atividade
Instrucional SC “Mercadores Aventureiros” do Apêndice A. A Matriz de Resposta de cada
uma dessas atividades contém 20 elementos. As regras do Guia de Discussão para o Desafio número 1 do primeiro exemplo é apresentada na Figura 3.7. O Guia de Discussão
para o Desafio número 1 do segundo exemplo é apresentado na página 272.
Um pequeno sistema computacional baseado em regras ou “Rule-Based System-RBS”
foi desenvolvido. Na preparação dos dados para o experimento, uma pequena modificação
foi feita nas regras do Guia de Discussão. Quando uma regra é formada pela conjunção
de elementos, como por exemplo O(3 ou 8), essa regra foi decomposta em duas regras
distintas O(3) e O(8). Essas modificações são apresentadas na Tabela 3.4. Logo, o Guia de
Discussão que possui seis regras é detalhado e representado através de 9 regras, conforme
ilustra a Tabela 3.4.
90
O resultado da simulação é apresentado nas Tabelas 3.2 e 3.3 para o Guia de Discussão
da Figura 3.7 e nas Tabelas 3.4 e 3.5 para o Guia de Discussão da página 272.
TABELA 3.2 – Quantidade de vezes que uma regra foi selecionada.
Regra
Ocorrências
P(%)
R1: I (13)
524287
49,99
R2: O (2,3,17)
131072
12,50
R3: I(2,3,11,18,19,20)
16383
1,56
R4:
256
2,44 e-02
O(1,4,5,6,7,8,9,10,12,14,15,
16)
TABELA 3.3 – Quantidade de ocorrências simultâneas.
Quantidade de Regras Sele- Ocorrências
P(%)
cionadas
0
450450
42,958
1
524270
49,998
2
73837
7,041
3
18
1,716e-03
4
0
0
R3:
R4:
R5:
R6:
TABELA 3.4 – Quantidade de vezes que uma regra é selecionada.
Regra
Ocorrências
P(%)
R1: I (4, 6)
262143
24,99
R2: I(11,18)
262143
24,99
O(3 ou 8)
R3.1: O(3)
524288
50
R3.2: O(8)
524288
50
O(13 ou 20) R4.1: O(13)
524288
50
R4.2: O(20)
524288
50
O(5 ou 14)
R5.1: O(5)
524288
50
R5.2: O(14)
524288
50
I <3 ou mais> (1,2,7,9,10,12,15,17,19) 991231
94,53
Como pode ser observado pelos dados tabulados nas Tabelas 3.3 e 3.5, existe uma
quantidade de soluções que não permite o fornecimento de alguma METERI armazenada
no Guia de Discussão, 450450 na Tabela 3.3 e 9207 na Tabela 3.5. De acordo com a última
linha da Tabela 3.5, existe uma única solução que dispara todas as regras simultaneamente.
Outro aspecto que pode ser observado nos dados tabulados refere-se à relação direta
entre a quantidade de elementos da regra e a probabilidade de ela ser selecionada. Ou
TABELA 3.5 – Quantidade de ocorrências
cionadas
0
9207
1
61389
2
176016
3
282519
4
276486
5
168042
6
61544
7
12336
8
1035
9
1
91
simultâneas.
P(%)
0,87
5,85
16,78
26,94
26,36
16,025
5,86
1,17
8,87e-02
9,536e-05
seja, por exemplo, a regra “R3.1 O(3)” é duas vezes mais provável de ser selecionada do
que a “R1: I(4, 6)”, conforme apresenta a Tabela 3.4.
3.5.2
Seleção de Regras do Guia de Discussão
Suponha um outro aprendiz, no exemplo da Seção 3.5.1.1, que selecionou os elementos
{11,18, 19, 20} como solução do Desafio. A solução do aprendiz é muito similar à Regra
1, “Se I (2, 3, 11, 18, 19 ou 20) então leia a mensagem A”. Nessa solução, faltou apenas
selecionar mais dois elementos para que a solução do aprendiz contivesse todos os elementos especificados pela Regra 1. Se o aprendiz selecionasse além dos elementos {11,18, 19,
20}, os elementos {2, 3}, a Regra 1 teria sido escolhida. Será que a Regra 1 não poderia
ser apresentada ao aprendiz?
Através da análise do conjunto de regras definido para o Desafio 1 da Figura 3.7,
identificam-se outras duas regras candidatas para casar com a solução {11, 18, 19, 20}
do aprendiz. Essas duas regras são a Regra 2 - O (1, 4, 5, 6, 7, 8, 9, 10, 12, 14, 15 ou
16), e a Regra 3 - O (2, 3 ou 17). Qual das duas mensagens deve ser apresentada ao
aprendiz ? Deve-se apresentar as duas mensagens? Se as mensagens forem contrastantes
92
ou inconsistentes entre si, qual seria o objetivo dessa mensagem resultante? Não seria
mais próximo do comportamento de um professor real, analisar a resposta do aprendiz
levando em consideração o histórico de soluções apresentadas e as regras que ainda não
foram selecionadas?
Voltando à origem da SC, como o professor poderia resolver essa questão? Um cenário
possı́vel seria o professor, consultando o seu Guia de Discussão e perguntando à classe:
quem inseriu os elementos {2, 3, 11, 18, 19 ou 20} na sua solução? Os aprendizes que apresentaram uma solução próxima, por exemplo {11, 18, 19, 20} se manifestariam informando
a ausência dos elementos {2, 3} previstos na solução. O professor poderia apresentar a
METERI referente à Regra 1 e, de forma complementar, destacar a importância ou não
dos elementos {2, 3}.
3.5.3
As Regras do Guia de Discussão Estão Sujeitas a Múltiplas
Interpretações
As regras do Guia de Discussão podem ser representadas de diversas maneiras. Tipicamente elas são representadas conforme o seguinte exemplo:
lado esquerdo
lado direito
z
}|
{
z
}|
{
“Se I(2, 3, 11, 18, 19 ou 20) então leia mensagem A”.
A forma de representar o lado esquerdo da regra consiste em uma lista de números
precedida da definição da função de inclusão ou omissão, como por exemplo: I( 2, 3, 11,
18, 19 ou 20). Cada número representa a posição do elemento na Matriz de Resposta.
Esse tipo de representação pode fornecer múltiplas interpretações para o exemplo
apresentado se ela contiver o operador “OU” mal representado. As seguintes interpretações
93
são possı́veis para o exemplo I( 2, 3, 11, 18, 19 ou 20) :
• I(2,3,11,18,19) ou I(20)- Se a regra for interpretada dessa forma, a solução do
aprendiz que incluir apenas o elemento número 20 da Matriz de Resposta é suficiente
para disparar essa regra e ele terá acesso à mensagem textual associada a essa regra.
• I(2,3,11,18) e I (19 ou 20)- Se a regra for interpretada dessa outra maneira, o
aprendiz terá acesso à mensagem textual associada a regra apenas se a sua solução
contiver os elementos {2, 3, 11, 18} e o elemento {19} ou {20}.
Essas múltiplas interpretações podem não ter efeito algum durante a execução de uma
atividade instrucional com a SC. Dependendo do caso, o efeito pode ser nocivo ao correto
desenvolvimento da atividade instrucional. Por exemplo, se a METERI associada à regra
faz referência direta aos elementos contidos na lista, apresentar essa mensagem sem que
o aprendiz tenha selecionado todos os termos, poderia ocasionar a falta de credibilidade
do aprendiz quanto à execução da atividade instrucional.
3.6
Convenção de Representação nas Regras do Guia
de Discussão
Este trabalho define a seguinte convenção de representação dos elementos listados em
uma regra do Guia de Discussão:
• Utilizar o sı́mbolo “ , ” para representar o operador “E”. Por exemplo, a regra I(
2 e 3) também pode ser representada por I( 2, 3).
• Utilizar o sı́mbolo “ ; ” para representar o operador “OU”. Por exemplo, a regra
94
I(2 ou 3) também pode ser representada por I(2; 3) e sempre será interpretada como
duas regras distintas I(2) ou I(3).
• Para regras que misturam os dois operadores serão interpretadas como regras distintas para o operador “OU”. Por exemplo, a regra “I( 2, 3, 11, 18, 19 ou 20)” é
interpretada como ”I(2,3,11,18,19) ou I(20)”.
3.7
Conclusão
A SC, conforme apresentada neste capı́tulo, vai muito além de um simples exercı́cio de
questões de múltipla escolha aperfeiçoado. Apesar de algumas dificuldades investigadas
e relatadas, essa técnica é promissora para o desenvolvimento de atividades instrucionais
baseadas em ISPs.
Além da revisão dos trabalhos relacionados com a SC, este capı́tulo contribui com:
• A identificação de um conjunto de dificuldades que poderiam estar presentes durante
a execução do exercı́cio SC.
• O relacionamento entre a SC e a CFT. Apesar da CFT ser apontada como uma
teoria para representação de ISPs em atividades instrucionais, não foi localizado
outro trabalho que relacione essa teoria com alguma técnica instrucional.
4 Módulo do Domı́nio
Este capı́tulo contribui com a pesquisa investigando como representar o domı́nio que
não é estruturado.
O capı́tulo foi estruturado com as seguintes seções:
• A Seção 4.1 apresenta uma forma estruturada de representar algumas informações
da atividade instrucional baseada na solução de problemas mal estruturados.
• A Seção 4.2 apresenta as condições existenciais do modelo de representação de conhecimento. Após sua descrição, o modelo é testado de acordo com essas condições
existencias.
• Na Seção 4.3 apresenta-se um exemplo de como identificar a estrutura descrita na
Seção 4.1.
• Na Seção 4.4 descreve-se um exemplo de como criar um exercı́cio SC a partir da
estrutura de representação do domı́nio apresentada na Seção 4.1.
• Na Seção 4.5 descreve-se como os elementos da Matriz de Resposta podem ser adequadamente representados.
• A Seção 4.6 descreve o Módulo Tradutor do Módulo do Domı́nio.
CAPÍTULO 4. MÓDULO DO DOMÍNIO
96
• A Seção 4.7 descreve através, de diagrama em blocos, o Módulo do Domı́nio do
SCAT.
• Finalmente, a Seção 4.8 conclui o capı́tulo.
• Além dessas seções, o Apêndice B complementa o capı́tulo através de um exemplo
parcial de exercı́cio SC desenvolvido com um protótipo de ambiente computacional
de pré-autoria. Esse protótipo foi desenvolvido com base no que foi apresentado nas
Seções 4.1 e 4.4.
4.1
Informações da Prática de Definição de Atividades Instrucionais
Com base no trabalho de Mager (1997), Noronha e Fernandes (2005b) propõem um
modelo estruturado para representar ISKDs em uma atividade instrucional. A Figura 4.1
ilustra simbolicamente esse modelo. Os seguintes aspectos são considerados no trabalho
de Noronha e Fernandes (2005b) e mantidos neste trabalho de pesquisa:
• Toda atividade instrucional possui um Objetivo Instrucional ou “Instructional Objective” - IO.
• O objetivo instrucional pode ser decomposto em Metas Instrucionais ou “Instructional Goal(s)” - IG(s).
• Cada Meta Instrucional possui um Desafio associado a ela.
• Cada IG possui um conjunto de palavras-chave ou conceitos relevantes relacionados.
O conceito que pode ser classificado como relevante foi referenciado nesse trabalho
97
por KWK.
FIGURA 4.1 – Modelo de representação do conhecimento (MRC).
Seria esse modelo de representação do conhecimento válido para atividades instrucionais SC? Como o ISKD pode ser representado de forma estruturada em uma atividade
instrucional SC? Para responder a essas indagações, a Seção 4.2 define duas condições
existencias desse modelo. Essas duas condições são analisadas nas Seções 4.3 e 4.4.
4.2
Condições Existenciais do Modelo de Representação de Conhecimento
Se o modelo de representação de conhecimento ilustrado simbolicamente na Figura 4.1
puder ser utilizado para representar o domı́nio da atividade instrucional SC, então este
trabalho define duas condições existenciais desse modelo, conforme ilustra a Figura 4.2:
1. As informações da estrutura do modelo podem ser identificadas a partir da análise
de um exercı́cio SC. A Figura 4.2a) ilustra essa condição.
98
2. Uma atividade instrucional poderia ser desenvolvida a partir dessa estrutura. Essa
condição é ilustrada na Figura 4.2b).
Essas duas condições existenciais foram denominadas por este trabalho de Condições
ou Estratégias de Teste.
FIGURA 4.2 – Estratégias de teste do Modelo de Representação do Conhecimento.
Para averiguar a veracidade da primeira condição, um dos exercı́cios apresentados em
(EGAN, 1976) foi selecionado para análise. O Apêndice A apresenta uma cópia desse
exercı́cio.
A análise realizada no exemplo do Apêndice A tem como meta o prenchimento das
informações definidas e estruturadas na Figura 4.1. A Subseção 4.3 descreve essa análise
e os resultados obtidos.
Para averiguar a segunda condição, um exemplo é criado a partir da estrutura ilustrada na Figura 4.1. A Subseção 4.4 apresenta e exemplifica o uso dessa estrutura como
99
mecanismo de auxı́lio na criação de uma atividade instrucional com a SC.
4.3
Identificação dos Elementos do Modelo de Representação do Conhecimento
A definição do domı́nio do exemplo selecionado não foi especificado por Egan (1976)
de forma clara. O domı́nio poderia ser a Economia ou História, por exemplo. Apesar
disso, a análise realizada procurou identificar e inferir quais seriam as metas e o objetivo
da atividade instrucional e quais poderiam ser as KWKs do domı́nio. A partir dessas
informações, as relações entre as KWKs e os IGs foram identificadas de acordo com as
regras do Guia de Discussão.
A Figura 4.3 representa, através de diagrama de blocos, os passos formadores do
procedimento de análise. Essa figura detalha os procedimentos a serem executados pelo
bloco denominado Analisador da Figura 4.2a).
Nessa análise, foram consideradas apenas as informações contidas nas seções Intenção,
Desafio, Matriz de Resposta e Guia de Discussão dos exercı́cios SC do exemplo selecionado.
Para essa análise foi considerado que:
• A atividade instrucional tem um objetivo instrucional identificável e essa informação
está contida na seção Intenção.
• Os Desafios relacionam-se com o objetivo instrucional. Ou seja, cada Desafio está
relacionado com uma única Meta Instrucional, conforme ilustrado na Figura 4.4.
As Seções 4.3.1 a 4.3.4 apresentam e discutem os passos do procedimento de análise
de uma atividade instrucional SC, conforme ilustrado na Figura 4.3.
FIGURA 4.3 – Procedimento de análise de uma atividade instrucional SC.
100
101
FIGURA 4.4 – Estrutura de Relacionamento entre Desafio - IG - IO da atividade instrucional.
4.3.1
Identificação de IO e IGs
Considerando apenas os três primeiros Desafios do exercı́cio analisado, por redução
de escopo, o resultado da análise desse exemplo identificou os seguintes valores para IO e
IGs:
IO: Explicar como o Comércio Inglês afetou e foi afetado pela economia da Inglaterra e
da Europa.
IG1: Apontar quais fatores contribuı́ram para a hegemonia da companhia inglesa na
sociedade do século 16.
IG2: Apontar alguns possı́veis fatores que poderiam ser utilizados para sustentar o argumento de que a companhia Mercadores Aventureiros nunca foi realmente aventureira.
IG3: Explicar as causas do declı́nio das fortunas dos Mercadores Aventureiros durante a
última metade do século.
4.3.2
102
Identificação das KWKs
Para essa análise, foi considerado que o domı́nio da atividade instrucional, mesmo
sendo mal estruturado, pode ser delimitado por um conjunto finito de conceitos relevantes
ou KWKs. Qualquer relacionamento que possa existir entre dois ou mais KWKs pode ser
desconsiderado inicialmente. Por exemplo, toda e qualquer relação que possa existir entre
conceitos tais como “roupas fora do tamanho” e “roupas”, é desconsiderado.
O objetivo da análise é identificar, de forma subjetiva, quais conceitos contidos nos
elementos formadores da Matriz de Resposta poderiam ser considerados relevantes para
o domı́nio. A análise constituiu-se de uma leitura da seção Apresentação e dos elementos
formadores da Matriz de Resposta da atividade instrucional do Apêndice A e em seguida,
sem consulta alguma, listar quais são os conceitos que o leitor consegue lembrar-se da
leitura.
O resultado da análise, realizada pelo autor deste trabalho, traduzido para a lı́ngua
portuguesa, está apresentado na Tabela 4.1. Face à subjetividade da análise realizada,
esse conjunto não é completo, ou seja, outros elementos poderiam ter sido identificados.
4.3.3
Relacionamento KWK - Matriz de Resposta
Cada KWK, listada na Tabela 4.1, pode estar relacionada ou não com um ou mais
elementos formadores da Matriz de Resposta. A Tabela 4.3 apresenta o conjunto de
KWKs e a sua ocorrência nos elementos formadores da Matriz de Resposta através do
sı́mbolo “X”.
Cada coluna da Tabela 4.3 está numerada de 1 a 20, para o exemplo considerado,
correspondendo aos vinte elementos formadores da Matriz de Resposta. A tabela contém
103
TABELA 4.1 – Lista de algumas KWKs que podem ser encontradas na Matriz Resposta
e na Seção Apresentação do exemplo analisado.
KWK
Conceito
1
Mercadores Aventureiros
2
quotas
3
roupas
4
governo, parlamento, reino
5
taxas, impostos
6
monopólio
7
Marinheiros Ingleses ( do original English Seamen)
8
controle
9
expedição arriscada
10
dinheiro, moeda
11
desvalorização
12
organizações comerciais estrangeiras
13
guerra
14
preço
15
benefı́cios, privilégio, proteção
16
expedições comerciais
17
Roupas fora do tamanho
18
comércio, mercado
19
Intercursus Magnus
20
incremento, aumento
21
América, estrangeiro
FIGURA 4.5 – Exemplo de relacionamento entre KWKs e um elemento da Matriz de
Resposta.
21 linhas numeradas. Cada linha numerada corresponde a um KWK especı́fica. A primeira
linha é rotulada com o numero 1 e corresponde à KWK1 “Mercadores Aventureiros”
apresentada na Tabela 4.1, por exemplo, e assim sucessivamente.
Através dos dados representados na Tabela 4.3, pode-se representar cada elemento da
104
TABELA 4.2 – Matriz de Resposta traduzida.
1) O aumento, em algumas situações, do
número de companhias
que não eram bem vindas pela Sociedade e
que ignoravam o monopólio dos Mercadores
Aventureiros e comercializavam roupas com
o Continente.
5) Henrique VIII desvalorizou a moeda
2) Marinheiros Ingleses
desejavam boa sorte
aos espanhóis na tarefa de localizar ouro e
prata.
3) O Parlamento deu
suporte ao clamor dos
Mercadores Aventureiros para o controle das
vendas de roupas no estrangeiro.
4)Dinheiro estava disponı́vel em Londres
para apoiar expedições
de risco.
6) Algumas organizações comerciais estrangeiras foram enfraquecidas.
8) Henrique VII negociou o “Intercursus
Magnus”.
9) O monopólio dos
Mercadores Aventureiros foi desfeito.
10) Alguns dos novos
aventureiros comerciais conseguiram enormes financiamentos
14) A alta de preços afetou o Continente mais fortemente
que a Inglaterra em
primeiro lugar.
7) Comércio com o
Continente foi interrompido pelas guerras
religiosas, e a destruição dos espanhóis de
Antwerp.
11) Os Mercadores
Aventureiros introduziram o sistema de
quotas.
15) Ações foram conduzidas para reparar o
dano feito à moeda por
Henrique VIII.
13) Em 1485, a taxa
padrão das roupas era
apenas 3% do valor da
roupa.
17) A formação de
companhias
“jointstock” ofereceram uma
nova forma de financiamento de expedições
comerciais.
18) Os Mercadores
Aventureiros
continuamente
apelaram
para o Governo por
proteção contra os
competidores.
19) Tentando comercializar roupas fora do
tamanho durante os
anos de explosão, os
Mercadores Aventureiros tiveram a sua reputação abalada.
12) Foram mercadores
de fora do porto que
primeiro comercializaram com a América.
16) Os Mercadores
Aventureiros pagavam
altos valores pelos
privilégios que eram
garantidos a eles pelo
reino de Elisabeth I.
20) Os Mercadores
Aventureiros
desde
cedo
controlaram
todas as roupas que
passavam pelo porto
de Londres.
Matriz de Resposta por um grafo. Por exemplo, o primeiro elemento da Matriz de Resposta ilustrada na Tabela 4.2 poderia ser representado como um grafo de relacionamento
entre as KWKs {1, 3, 6, 18 e 20} descritas na Tabela 4.1, conforme ilustra a Figura 4.5.
O relacionamento “KWK x F”é especı́fico de cada atividade instrucional SC. O modelo
de representação do conhecimento ilustrado na Figura 4.1 foi expandido, conforme ilustra
simbolicamente a Figura 4.6. Nessa expansão, também representaram-se os possı́veis
TABELA 4.3 –
1 2 3
1
X
X
2
3
X
X
4
X
5
6
X
7
X
8
X
9
10
11
12
13
14
15
X
16
17
18 X
19
20 X
21
X
105
Relacionamento de KWKs com os elementos Fs da Matriz Resposta.
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
X
X
X
X X
X
X
X
X
X
X X
X
X
X
X
20
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
relacionamentos entre os conhecimentos relevantes do domı́nio (KWKs) e os elementos da
Matriz de Resposta (F).
As informações contidas na Tabela 4.3 são úteis para determinar, a partir da análise
das regras do Guia de Discussão, o relacionamento entre cada KWK e IG da atividade
instrucional. Uma determinada regra, por exemplo “Se I(13) então ...” do Guia de Discussão do Desafio 1, está associada ao IG1; e as KWKs 3 e 14 relacionadas ao elemento
número 13, estão, conseqüentemente, também associadas ao IG1. A coluna de rótulo “13”
da Tabela 4.3 representa o elemento número 13 da Matriz Resposta. As KWKs 3 e 14
estão indicadas em destaque, nessa tabela.
106
FIGURA 4.6 – Modelo Expandido de Representação do Conhecimento (MRC-X).
4.3.4
Relacionamento KWK - IG
A análise dos dados apresentados na Tabela 4.3 e de cada Regra do Guia de Discussão
para cada Desafio permitiu elaborar uma possı́vel estrutura conceitual do conjunto de
regras de cada Desafio.
Um elemento KWK é considerada “relacionada com um IG” se e somente se, houver
alguma regra no Guia de Discussão que faça referência ao elemento da Matriz de Resposta
(F). Por exemplo, KWK1 - “Mercadores Aventureiros” está relacionado com os seguintes
elementos numerados da Matriz Resposta ilustrado na Tabela 4.2, entre outros:
11: Os Mercadores Aventureiros introduziram o conceito de...
18: Os Mercadores Aventureiros continuamente apelaram para o Governo ...
107
O Guia de Discussão desse exercı́cio está apresentado no Apêndice A. Nesse Guia, a
regra número 2 “I(11, 18)”, do Desafio 1, relaciona KWK1 com o IG1. As regras número
3 “O(3, 18)” e 5 “O(11 ou 20)”, do Desafio 2, relacionam KWK1 com o IG2. As regras
número 3 “O(11, 19)” e 6 “I[3 ou mais] (2, 3, 6, 8, 13, 14, 18, 20)”, do Desafio 3, relacionam
o elemento KWK1 com o IG3.
A Tabela 4.4 representa parcialmente os elementos da estrutura conceitual do domı́nio
mal estruturado ilustrado na Figura 4.6. Nessa representação, por exemplo, o elemento
KWK1 está relacionado com os elementos F {1, 3, 9, 11, 16, 18, 19, 20}. Através desses
elementos Fs, KWK1 está associado com os IG1, IG2 e IG3.
A Figura 4.7 ilustra parcialmente a estrutura idealizada por Noronha e Fernandes
(2005b) para o exemplo obtido de Egan (1976). Algumas das KWKs foram omitidas
dessa ilustração apenas por motivo de clareza da imagem.
4.4
Exemplo de Emprego do Modelo no Desenvolvimento de uma Atividade Instrucional SC.
O uso da estrutura de representação do domı́nio ilustrada na Figura 4.6 está descrito
nesta Seção. Para auxiliar no desenvolvimento desse texto, um autor fictı́cio foi considerado. Esse autor necessita criar uma atividade instrucional com a SC para o domı́nio de
Leitura e Interpretação de Texto. Ele utiliza a estrutura ilustrada na Figura 4.1 como
recurso de orientação para a autoria da atividade instrucional.
O primeiro passo do autor foi identificar ou definir o objetivo (IO) e as metas instrucionais (IGs). Esse autor definiu para IO e IGs as seguintes informações:
FIGURA 4.7 – Exemplo parcial de representação do domı́nio.
108
TABELA 4.4 –
KWK Conceito
1
Mercadores Aventureiros
2
quotas
...
...
109
Relacionamentos entr KWKs, Fs, IGs
F
IG
Regra
{1, 3, 9, 11, 16, 18, 19, IG1
R2: I(11,18)
20 }
R3:O(3; 18)
R4:O(13; 20)
R6:I{3/+} (1 ,2, 7, 9,
10, 12, 15, 16, 17, 19)
IG2
R1: I(19)
R3: O(3,18)
R5: O(11; 20)
R6: I{3/+} (1, 2, 5, 6,
7, 8, 9, 10, 13, 15, 16,
17, 19)
IG3
R2: I(5)
R3:O{2/+}(1, 4, 10,
12, 17)
R4:O(9;16)
R6:I{3/+} (2, 3, 6, 8,
13, 14, 18, 20)
{ 11 }
IG1
R2:I(11,18)
IG2
R5: O(11; 20)
IG3
R6: O(11, 19)
...
...
...
IO: Desenvolver uma leitura crı́tica de um texto
IG1: Identificar o problema abordado pelo texto.
IG2: Identificar os aspectos principais do problema.
IG3: Identificar a solução apresentada pelo autor.
O segundo passo foi a definição da seção Apresentação. O conteúdo da seção Apresentação não está sendo analisado de forma profunda neste trabalho, nem a forma de
apresentá-la, por isso, a seção Apresentação, nesse exemplo considerado, utilizará um
texto jornalı́stico, por exemplo. O Apêndice B apresenta uma cópia do texto considerado
nesse exemplo.
110
O terceiro passo foi escolher quais elementos do domı́nio considerado podem compor
o conjunto de KWKs. Face à ausência de metodologia para realizar tal tarefa, o autor poderia escolher alguns elementos para formar as KWKs a partir do texto da seção
Apresentação.
Em seguinda o autor definiu relacionamentos entre essas KWKs e as metas instrucionais IGs. A Tabela 4.5 exemplifica as KWKs escolhidas e os seus correspondentes IGs
definidos.
TABELA 4.5 – Lista as KWKs escolhidas por um autor fictı́cio e os IGs da atividade
instrucional.
KWK
Conceito
IGs associada
1
guerra
IG1
2
favela
IG1
3
médicos
IG2
4
consumidor, usuário IG1, IG2, IG3
5
tráfico
IG1
6
droga
IG1
7
viciado
IG1
8
opinião
IG2
9
legalização
IG3
O quinto passo foi identificar no texto da seção Apresentação, elementos que poderiam ser utilizados para compor a Matriz de Resposta. Para realizar tal feito, o autor
poderia utilizar o modelo descrito por Noronha e Fernandes (2005a). Esse modelo descreve um processo automatizado denominado de Extractor of Keywords and Phrases EKP. Esse processo identifica e ordena, de forma automatizada, elementos contidos em
um documento-texto de acordo com a sua “relevância”. Esse conceito de “relevância”
utilizado está relacionado com a quantidade de KWKs, quantidade de IGs, entre outros
motivos. A Matriz de Resposta com os elementos formados segundo esse modelo está
ilustrada no Apêndice B.
O Sexto passo foi criar as regras do Guia de Discussão. O modelo descrito por Noro-
111
nha (2005) poderia ser utilizado para a definição automática dessas regras. O modelo foi
denominado de Discussion Guide Generator-DGG e ele, através de algoritmos especı́ficos,
produz sugestões de regras do Guia de Discussão. As regras do Guia de Discussão representam a perı́cia do especialista ou definem situações do diálogo aprendiz-tutor. Noronha
(2005) destaca que o resultado do processo descrito é apenas uma sugestão, um esboço,
a partir do qual o autor pode aceitar, modificar, excluir ou inserir novas regras de acordo
com a sua experiência ou perı́cia. Além das regras sugeridas, o modelo sugere o conteúdo
das mensagens textuais de retorno de interação, conforme exemplificado em seguida:
R1: “SE I(4; 1; 2; 3; 11) e O(8; 9; 7; 6; 24) ENTÃO ( ler o comentário a respeito
do relacionamento entre os conceitos [Consumidor]->[Médicos])”.
R2: “SE I(15, 16, 12) ENTÃO (ler o comentário a respeito do conceito [Viciado])
”.
Nessa representação, o separador “;” representa o operador “OU” entre dois elementos.
O separador “,” representa o operador “E” entre dois elementos.
O DGG não é capaz de gerar as mensagens, mas apenas indicar quais conceitos ou
relacionamentos entre eles que as mensagens deveriam abordar em função dos elementos
selecionados da Matriz de Resposta.
O Sétimo passo consistiu em editar essas mensagens textuais de retorno de interação
ou simplesmente, METERIs. Para essa tarefa, o autor poderia utilizar algumas das dicas
fornecidas pelo DGG. Por exemplo na regra R1, a mensagem deveria tratar do relacionamento entre as KWKs “Consumidor” e “Médicos”. Definir a forma dessa mensagem não é
objetivo deste trabalho de pesquisa.
O Oitavo passo consistiu em, a partir das informações estruturadas de acordo com o
112
modelo ilustrado na Figura 4.1, criar ou editar os Desafios e a Seção Intenção da atividade instrucional com a SC. O Apêndice B apresenta os Desafios criados. A Figura 4.8
representa, de forma estruturada, os passos adotados para a autoria de uma atividade
instrucional SC com o modelo de representação de domı́nio apresentado neste capı́tulo.
Essa figura detalha os procedimentos representados no bloco “Ferramenta de Autoria” da
Figura 4.2.
A atividade instrucional produzida carece de avaliação. A ausência de metodologia
para avaliar se uma atividade instrucional com a SC foi elaborada de forma correta ou
se efetivamente atendeu às metas instrucionais, torna prematuro afirmar se o modelo
de autoria descrito pode ser empregado efetivamente como modelo de procedimento de
autoria.
O modelo de representação de domı́nio, ilustrado na Figura 4.1, poderia ser utilizado
como mecanismo de apoio à autoria de uma atividade instrucional com a SC, conforme
apresentado nesta seção. Esse modelo e os mecanismos descritos por Noronha (2005) e
Noronha e Fernandes (2005a) foram concebidos para serem recursos a serem utilizados
por autores com pouco experiência na criação de atividades instrucionais com a SC.
A Seção 4.3 apresentou como identificar, a partir de uma atividade instrucional com
a SC, o modelo de representação do conhecimento. Essa seção apresentou, a partir do
modelo de representação do conhecimento, como criar uma atividade instrucional com a
SC.
Com base no que foi apresentado nessas duas seções, pode-se considerar que o modelo de representação do conhecimento, ilustrado na Figura 4.1, pode ser usado para
representar um domı́nio mal estruturado em uma atividade instrucional formatada com a
SC.
113
FIGURA 4.8 – Procedimentos para o uso do modelo de representação do conhecimento
proposto na autoria de uma atividade instrucional SC.
4.5
Formas de Representar os Elementos da Matriz
de Resposta
Como representar os elementos da Matriz de Resposta em um formato que facilite a
manipulação através de mecanismos automatizados é o objeto desta seção. Três formas
114
de representação são apresentadas, a saber:
• A Seção 4.5.1 descreve como representar um conjunto de elementos através de uma
expressão que represente os elementos do domı́nio ou KWKs que estão associados a
esses elementos.
• A Seção 4.5.2 descreve como representar um conjunto de elementos ordenados através de um vetor. Johnstone (1988) utilizou a ordem dos elementos como critério
para valorar a solução do aprendiz. Essa representação vem de encontro às situações
em que a ordem dos elementos é importante.
• A Seção 4.5.3 descreve como representar um conjunto de elementos da Matriz de
Resposta na forma binária. Essa representação foi utilizada na Seção 5.2.2 para o
cálculo de similaridade entre dois objetos binários.
Encerrando essas formas de representação, a Seção 4.6 apresenta um modelo formado
de módulos que têm por objetivo traduzir uma lista de elementos para as três formas de
representação descritas nas seções 4.5.1, 4.5.2 e 4.5.3.
4.5.1
Representação de Elementos da Matriz de Resposta através de Expressão de Conceitos
Os elementos da Matriz de Resposta poderiam ser representados e interpretados como
um conjunto de conceitos interrelacionados. Por exemplo, Egan (1976) apresenta, em um
dos seus exemplos ilustrado no Apêndice A, os seguintes elementos “F” formadores da
Matriz de Resposta, entre outros:
F3: O Parlamento deu suporte ao clamor dos Mercadores Aventureiros para o controle
115
das vendas de roupas no extrangeiro.
F11: Os Mercadores Aventureiros introduziram o conceito de “quotas”.
F13: Em 1485, a taxa padrão das roupas era apenas 3 % do valor da roupa.
F18: Os Mercadores Aventureiros continuamente apelaram para o Governo por proteção
contra os competidores.
F20: Os Mercadores Aventureiros desde cedo controlaram todas as roupas que passavam
pelo porto de Londres.
Considerando que o domı́nio desse exemplo poderia ser delimitado pelos seguintes
conceitos ou grupos de conceitos, dentre outros:
KWK1: Mercadores Aventureiros
KWK2: quotas
KWK3: roupas
KWK4: Governo, Parlamento, Reinado
KWK5: taxas, impostos
As relações entre conceitos ou grupo de conceitos contidos em cada elemento da Matriz
de Resposta, poderiam ser representadas por expressões de acordo com a ocorrência ou
não de cada conceito definido no domı́nio. Essas expressões foram denominadas neste
trabalho por Expressão de Conceitos.
A F3 “O Parlamento deu suporte ao clamor dos Mercadores Aventureiros
para o controle das vendas de roupas no extrangeiro.” poderia ser representada
pela seguinte expressão de conceitos, por exemplo:
116
“F3 ={ 1.{Mercadores Aventureiros} + 0.{quotas} + 1.{roupas} + 1.{Governo,
Parlamento, Reinado} + 0.{taxas, impostos}}”
ou simplesmente
“F 3EC = 1.KW K1 + 0.KW K2 + 1.KW K3 + 1.KW K4 + 0.KW K5”.
A expressão de conceitos representa com o valor “1” quando um conceito ou grupo
de conceitos está presente e o valor “‘0” para a ausência desse conceito ou grupo. Os
elementos considerados da Matriz de Resposta poderiam então ser representados pelas
seguintes expressões:
F 3EC = 1.KW K1 + 0.KW K2 + 1.KW K3 + 1.KW K4 + 0.KW K5
Excluindo-se da representação os elementos cujo ı́ndice assume o valor zero, as expressões assumem a seguinte forma reduzida:
F 3EC = 1.KW K1 + 1.KW K3 + 1.KW K4
F 11EC = 1.KW K1 + 1.KW K2 + 0.KW K4
F 13EC = 1.KW K3 + 1.KW K5
F 18EC = 1.KW K1 + 1.KW K4
F 20EC = 1.KW K1 + 1.KW K3
Como seria representada através da expressão de conceitos uma solução qualquer S?
Utilizando o exemplo anterior, para descrever como seria a representação SEC , considerase a solução S formada pelos elementos { 3, 11, 13, 18 e 20 } da Matriz de Resposta.
Conforme apresentado, cada um desses elementos pode ser representado por:
117
A solução SEC é a conjunção dos ı́ndices das KWKs de cada elemento, ou seja:
SEC = 4.KW K1 + 1.KW K2 + 3.KW K3 + 2.KW K4 + 1.KW K5
4.5.2
Representação de Elementos Selecionados da Matriz Resposta e da sua Ordem Através de um Vetor
Conforme apresentado por Johnstone (1988), a solução do aprendiz poderia registrar
também a ordem dos elementos. Essa situação aplica-se principalmente quando o aprendiz
representa passos da descrição de um processo, por exemplo.
Traduzir uma determinada lista de elementos apresentada como solução ou uma lista
de números para um formato vetorial ordenado é o objeto desta seção. O mecanismo que
realiza essa operação pode ser denominado de T radutor−> . O resultado dele é um vetor
ordenado. Diferentemente da Expressão de Conceitos, nessa representação, a ordem dos
elementos também é registrada.
O tamanho desse vetor é definido pela quantidade m de elementos contidos na Matriz
de Resposta, ou seja, é o tamanho dessa matriz.
Cada posição desse vetor pode assumir os valores inteiros no intervalo [0 a m]. O valor
0 é atribuı́do à posição do elemento não-presente na solução S. O valor 1 é atribuı́do
118
à posição do primeiro elemento da lista S, o valor 2 para o segundo elemento e assim
sucessivamente.
Como exemplo, seja a solução S composta pela lista ordenada {2, 3, 7, 4, 9} para uma
determinada Matriz de Resposta formada por 10 elementos. O mecanismo T radutor−>
irá fornecer a seguinte lista:
S−> = { 0 − 1 − 2 − 4 − 0 − 0 − 3 − 0 − 5 − 0 } .
Essa lista inicia-se com o valor 0 (zero), representando que o primeiro elemento da
Matriz de Resposta não foi selecionado, o segundo elemento da Matriz Resposta foi selecionado em primeiro lugar, sendo assim, a sua posição é representada pelo número 1,
conforme ilustra a Figura 4.9. Prosseguindo com essa análise, pode-se identificar que o
terceiro elemento foi selecionado em segundo lugar, que o sétimo elemento foi selecionado
em terceiro lugar e assim sucessivamente conforme ilustra a Figura 4.9. A posição de cada
elemento da solução S foi armazenada no vetor S−> .
FIGURA 4.9 – Exemplo do uso do mecanismo T radutor(−>) na lista de elementos S.
4.5.3
119
Representação Binária da Lista de Elementos Contidos em
uma Regra ou Solução
Outra forma de representar os elementos do lado esquerdo de uma tı́pica regra é a
representação binária. Ou seja, representar os elementos do lado esquerdo de uma regra
qualquer pode ser feito através de um vetor binário ordenado. Nesse vetor, a presença de
um elemento da Matriz de Resposta pode assumir o valor “1” no vetor, e a ausência, o
valor “0”.
Por exemplo, a lista de elementos {2, 3, 11, 18, 19 , 20} de uma suposta Matriz de Resposta com 20 elementos, poderia ser representada vetorialmente por“01100000001000000111”.
A lista de elementos {1, 2, 3}, outro exemplo na mesma Matriz de Resposta, pode ser
representada vetorialmente por “11100000000000000000”.
O mecanismo que realiza essa operação é denominado de T radutor01 .Representar vetorialmente uma lista de elementos tem sido utilizado em diversos relatos de pesquisa
em Informática aplicada à Educação. Por exemplo Noronha et al. (2003) classificou os
aprendizes em grupos, de acordo com as respostas apresentadas por eles a questionários
de auto-avaliação.
Apesar desse tipo de representação ser propı́cia para ser manipulada computacionalmente, ela não permite representar explicitamente o operador “OU” nem a função “incluiu
<n> ou mais”.
4.5.4
120
Quando utilizar cada uma das representações SEC , S−> e
S01
Uma determinada solução S pode ser representada de três maneiras. Cada uma dessas
maneiras possui uma finalidade especı́fica, a saber:
• Expressão de Conceitos - SEC
A representação SEC registra quais elementos do domı́nio estão sendo associados
na solução S. O ı́ndice de cada elemento KWK dessa expressão permite identificar
a intensidade do uso desse elemento. Por exemplo, conforme exemplificado, SEC
poderia assumir os seguintes valores: SEC = 4.KW K1 + 1.KW K2 + 3.KW K3 +
2.KW K4+1.KW K5.
A análise dos ı́ndices dessa expressão indicam que o elemento KWK1 foi mais utilizado que os outros elementos. Ou seja, que essa solução converge para esse elemento.
Conforme apresentado no Capı́tulo 6, a SEC é utilizada como indicador de Convergência ou Divergência da solução apresentada.
• Vetor Ordenado - S−>
A representação S−> registra qual a posição dos elementos da Matriz de Resposta
na solução. O emprego da SC como ferramenta para o aprendiz descrever processos
está apresentado em Egan (1976) e Johnstone (1988). Nesses trabalhos, além de
selecionar os elementos da Matriz de Resposta, esses elementos deveriam também
ser ordenados. Com esses dois passos, o aprendiz é capaz de descrever e ordenar
os passos que definem um processo. Logo, a ordem dos elementos, nesse caso, é
importante.
121
Essa representação deve ser utilizada quando a ordem dos elementos selecionados for
importante para a seleção da METERI. Os exemplos de exercı́cios SC selecionados
neste trabalho de pesquisa não abordam esse tipo de problema. Logo, essa forma
de representação não foi investigada de forma profunda, nem foi empregada nos
próximos capı́tulos.
• Representação Binária - S01
A representação S01 registra quais elementos da Matriz de Resposta foram selecionados e omitidos da solução S. O Capı́tulo 5 emprega essa representação como
mecanismo de identificação de qual METERI deverá ser selecionada em resposta
a uma possı́vel solução apresentada. Nesse contexto, busca-se por identificar qual
regra mais se aproxima, em termos de elementos selecionados, da solução S.
4.6
Módulo Tradutor
O módulo Tradutor tem a função de traduzir um conjunto de elementos, representados
por números, para três formatos a saber:
• Representação Binária S01 - Conforme apresentado na Seção 4.5.3, o conjunto de
elementos poderia ser representado através de um vetor de tamanho fixo, em que a
ausência de um elemento corresponde ao valor “0” (zero) e a presença de um elemento
ao valor “1” (um). Essa representação é utilizada para o cálculo da similaridade e
dissimilaridade entre a solução apresentada e cada regra do Guia de Discussão e
possibilitar a identificação, de acordo com esse valor calculado, das regras mais
próximas da solução apresentada. Esse cálculo está descrito na Seção 5.2.2.
122
• Representação Vetorial Ordenada S−> - Conforme apresentado na Seção 4.5.2, a
solução poderia ser representada na forma de vetor, em que o valor de cada posição
corresponde à ordem desse elemento na solução. Se o elemento não foi selecionado,
ele recebe o valor “0” (zero). Essa representação é utilizada para comparação com
as regras que possuam a informação da ordem dos elementos, ou seja, os elementos
necessitam ser apresentados em uma determinada ordem definida pelo autor.
• Expressão de Conceitos SEC - Conforme apresentado na Seção 4.5.1, o conjunto de
elementos da Matriz de Resposta poderia ser representado através de uma expressão
denominada de Expressão de Conceitos. Essa expressão registra a presença ou não
de alguns elementos relevantes do domı́nio ou KWKs que foram definidos pelo autor
da atividade instrucional.
O módulo Tradutor é simplesmente composto de três módulos que executam separadamente e em paralelo as três traduções apresentadas, fornecendo valores para SEC , S01
e S−> , conforme ilustrado na Figura 4.10.
FIGURA 4.10 – Módulo Tradutor de Solução
Exemplo Ilustrativo de Execução do Tradutor.
Considera-se o exemplo de exercı́cio SC contido no Apêndice A para o exemplo de
execução do Módulo Tradutor ilustrado na Figura 4.10. Nesse exemplo, um aprendiz
123
fictı́cio ao solucionar o Desafio número 1, poderia fornecer uma solução formada pelos
elementos “3, 4, 6, 11, 12, 17” da Matriz de Resposta.
Essa solução é encaminhada ao módulo Tradutor que irá fornecer, de acordo com o
descrito nas Seções 4.5.3, 4.5.1 e 4.5.2, e com os dados registrados na Tabela 4.3, as
seguintes traduções:
SEC = 2.KW K1 + 1.KW K2 + 1.KW K3 + 1.KW K4 + 0.KW K5 + 0.KW K6 +
0.KW K7 + 1.KW K8 + 1.KW K9 + 1.KW K10 + 1.KW K12 + 1.KW K15 +
2.KW K16 + 0.KW K17 + 1.KW K18 + 0.KW K19 + 0.KW K20 + 1.KW K21
S−> = 00120300004500006000
S01 = 00110100001100001000
O valor de SEC é obtido através das informações apresentadas na Tabela 4.3. Os elementos (F) “3, 4, 6, 11, 12, 17” da Matriz de Resposta, traduzidos para a forma compacta
da expressão conceitos forneceriam as seguintes informações:
F
Expressão de Conceitos
3
KWK1 + KWK3 + KWK4 + KWK8 + KWK15
4
KWK9 + KWK11 + KWK16
6
KWK12
11
KWK1 + KWK2
12
KWK18 + KWK21
17
KWK16
A expressão de conceitos para a solução apresentada é formada de acordo com a
conjunção dos elementos formadores da solução SEC = F 3EC + F 4EC + F 6EC + F 11EC1 +
F 12EC + F 17EC , conforme descrito na Seção 4.5.1.
4.7
124
O Módulo do Domı́nio do SCAT.
O que é descrito neste capı́tulo é representado no SCAT através do Módulo do Domı́nio, conforme ilustra a Figura 4.11. Nesse contexto, a Figura 1.1 foi modificada para
representar em diagrama em blocos:
• O repositório do domı́nio que armazena por IO, IGs, KWKs e Fs e seus interrelacionamentos.
• O Gerente (IO, IG, KWK, F). Esse gerente tem a função de representar, armazenar
e consultar as informações IO, IG, KWK, F e dos seus inter-relacionamentos. Além
dessas informações, esse gerente registra e consulta as informações ilustradas nas
Tabelas 4.1 e 4.3. Esse módulo não foi detalhado neste trabalho de pesquisa. A
representação utilizada é a de grafos, conforme ilustra simbolicamente a Figura 4.6.
• Tradutor. Módulo descrito na Seção 4.6.
FIGURA 4.11 – Módulo do Domı́nio do Modelo SCAT.
4.8
125
Conclusão
Este capı́tulo apresentou um modelo de representação do conhecimento mal estruturado em atividades instrucionais. Esse modelo está ilustrado na Figura 4.1 e expandido
para o seu uso com a SC na Figura 4.6. O modelo foi utilizado em duas situações, a saber:
1. Como mecanismo de identificação de elementos relevantes, metas instrucionais e
objetivo.
2. Como mecanismo de auxı́lio à autoria de uma atividade instrucional SC.
A análise realizada na primeira situação forneceu um conjunto de informações aceitáveis para o modelo. No contexto desta pesquisa, o problema de como identificar o objetivo
instrucional, as suas metas e os conceitos relevantes é mal estruturado. Outras soluções
poderiam ter sido identificadas e todas elas serem válidas para o modelo.
O uso do modelo ilustrado pela Figura 4.1, como mecanismo de auxı́lio à autoria, fornece indı́cios adicionais de que esse modelo pode ser utilizado para representar o domı́nio
em atividades instrucionais formatadas com a SC.
Diante do que foi apresentado, a questão “como representar de forma estruturada
o domı́nio pouco estruturado em atividades instrucionais” foi respondida pelo modelo
ilustrado na Figura 4.6.
A redução do ISKD a um conjunto de elementos relevantes ou KWKs, permite que
o domı́nio possa ser representado através de grafos. A redução do conteúdo das Seções
Apresentação e Matriz de Resposta a um conjunto de nós, permite também, que o Guia
de Discussão possa ser modificado para analisar a composição da solução do aprendiz em
dois nı́veis, a saber:
126
• Concreto: Quais elementos da Matriz de Resposta foram selecionados ou foram
omitidos da solução do aprendiz.
• Abstrato: Quais conceitos ou grupos de conceitos o aprendiz está relacionando.
No nı́vel Abstrato, a SC pode ser visualizada como um ambiente onde o aprendiz
associa conjuntos de conceitos representando novas soluções. Nesse contexto, o aprendiz
assume o papel de investigador. Ele investiga qual o efeito, observado através da METERI apresentada, que uma relação entre KWKs poderia ter no ambiente ou contexto da
atividade instrucional.
Para esse tipo de análise, os elementos da Matriz de Resposta podem ser representados
através da Expressão de Conceitos, conforme apresentada na Seção 4.5.1 deste documento.
A solução do aprendiz pode ser analisada não apenas no nı́vel Concreto, mas também no
nı́vel Abstrato.
5 Módulo do Especialista
A estrutura, as caracterı́sticas e como comparar as regras do Guia de Discussão com
uma possı́vel lista de elementos selecionados da Matriz de Resposta é o objeto de estudo
deste capı́tulo. Através desse objeto, o Módulo do Especialista, ilustrado na Figura 1.1,
foi desenvolvido.
Este capı́tulo está estruturado da seguinte forma:
• Na Seção 5.1 descrevem-se as possı́veis relações entre uma solução qualquer de um
aprendiz e as regras do Guia de Discussão de uma atividade instrucional SC.
• Após a descrição dessas possı́veis relações, na Seção 5.2 apresenta-se como uma
possı́vel solução S pode ser comparada com as regras do Guia de Discussão.
• Na Seção 5.3 apresentam-se as caracterı́sticas que poderiam ser identificadas nessas
regras.
• Na Seção 5.4 descrevem-se algumas possı́veis estratégias de seleção dessas regras.
• Na Seção 5.5 mostra-se como o conteúdo de uma METERI poderia influenciar nessas
estratégias.
• A forma utilizada para representar as Regras do Guia de Discussão está apresentada
na Seção 5.6.
CAPÍTULO 5. MÓDULO DO ESPECIALISTA
128
• O Módulo do Especialista está descrito na Seção 5.7.
• A Seção 5.8 conclui o capı́tulo.
5.1
Relações Possı́veis entre Regra do Guia de Discussão e Solução do Aprendiz
Na SC, o autor ou especialista do domı́nio é capaz de registrar textualmente a sua
opinião a respeito das possı́veis soluções, ou parte delas, a um Desafio. A Seção Guia
de Discussão de uma atividade instrucional com a SC possibilita que, através de regras
do tipo “se... então...”, o conhecimento do autor ou especialista seja registrado de forma
estruturada. Nesse paradigma, o conhecimento do autor ou do especialista é fracionado
em unidades independentes. Essa estrutura é dividida em duas partes ou lados conforme
o exemplo:
Lado Esquerdo (Rj ): Requisito primordial.
“Se
z
}|
{
I(2, 3, 11, 18, 19, 20)
Lado Direito (Aj ): Apresentar a seguinte M ET ERI.
então
z
}|
{
leia mensagem A
”
Cada uma das partes dessa estrutura possui o papel de registrar o seguinte:
1. Qual conhecimento deverá ser apresentado - Lado Direito (Aj ).
2. Qual o requisito primordial para essa ação - Lado Esquerdo (Rj ).
A Figura 5.1 ilustra e exemplifica simbolicamente o universo de relações possı́veis entre
as regras do Guia de Discussão e uma solução qualquer do aprendiz.
A Figura 5.1a) representa simbolicamente, através de cı́rculos, o relacionamento existente entre o lado esquerdo Rj de uma regra e o lado direito Aj . Nessa representação, Aj
consiste na atividade de apresentar a METERI associada a regra Rj .
129
FIGURA 5.1 – Exemplo simbólico das possı́veis relações entre a solução do aprendiz e a
regra da Guia de Discussão.
A Figura 5.1b) ilustra os casos em que a solução “S” do aprendiz satisfaz ao requisito Rj
definido pela regra. Por exemplo, uma determinada regra especifica “Incluiu os elementos
(4, 6)” e a solução do aprendiz está formada pelos elementos {4, 6, 8, 11}. Nesse caso, a
solução do aprendiz apresenta os elementos que foram definidos pela regra, os elementos
{4, 6}. De acordo com o apresentado por Egan (1976), quando descreve a execução de
um exercı́cio SC, a METERI associada a essa regra poderia ser apresentada ao aprendiz.
A Figura 5.1c) ilustra os casos em que a solução do aprendiz atende parcialmente aos
requisitos definidos pela regra. Por exemplo, uma determinada regra especifica “Incluiu
os elementos (4, 6, 8, 9)” e a solução “S” está composta apenas pelos elementos {4, 6, 8}.
130
Nesse caso, a solução do aprendiz carece da inclusão do elemento {9} para atender ao
requisito primordial definido pelo autor da regra.
Na Figura 5.1d), a solução “S” contém alguns dos elementos definidos na regra e outros
que não constam nela. Por exemplo, uma regra especı́fica “Incluiu os elementos ( 4, 6,
8, 9 )” e a solução “S” está formada pelos elementos {2, 3, 4, 6}. Essa solução apresenta
alguns dos elementos listados na regra, os elementos {4 e 6}. Além desses elementos, a
solução do aprendiz possui alguns elementos não previstos na regra, a saber o par {2, 3}.
A Regra especifica ainda a necessidade dos elementos {6 , 9} que não estão contidos em
“S”.
Na Figura 5.1e), a solução “S” não contém nenhum elemento definido por nenhuma
regra do Guia de Discussão. O aprendiz apresentou uma solução que não foi prevista pelo
autor do exercı́cio.
Na Figura 5.1f) a solução “S” contém elementos definidos em mais de uma regra do
Guia de Discussão. Por exemplo, o aprendiz selecionou todos os elementos da Matriz
de Resposta. Nesse caso, todas as regras de inclusão têm os seus requisitos primordias
atendidos pela solução.
Nos casos ilustrados pelas Figuras 5.1c), d) e e), a solução do aprendiz não satisfaz
completamente aos requisitos primordiais definidos pelo autor. A solução “S” satisfaz parcialmente ou não satisfaz às regras do Guia de Discussão definidas pelo autor e ilustradas
simbolicamente na Figura 5.1a).
Em resumo, a comparação entre a solução do aprendiz “S” e uma regra qualquer “R”
do Guia de Discussão, poderia fornecer como resultado o seguinte:
1. R ∩ S 6= φ. S e R possuem alguns elementos em comum.
131
(a) R ≡ S. S e R apresentam os mesmos elementos, sem exceção.
(b) R ⊂ S. Todos os elementos de R estão contidos em S. S possui alguns elementos que não estão contidos em R. A Figura 5.1b) ilustra simbolicamente essa
condição.
(c) S ⊂ R. Todos os elementos de S estão contidos em R. R possui alguns elementos que não estão contidos em S. A Figura 5.1c) ilustra simbolicamente essa
condição.
(d) R 6⊂ S e S 6⊂ R. R e S possuem alguns elementos em comum e alguns elementos
distintos. A Figura 5.1d) ilustra simbolicamente essa condição.
2. R ∩ S = φ. S e R não possuem elementos em comum. A Figura 5.1e) ilustra
simbolicamente essa condição.
Tipicamente, sistemas de casamento de padrão, tal como o Eliza relatado por Rich e
Knight (1991), utilizam uma regra “caso contrário” que fornece uma mensagem genérica
quando nenhuma regra casa com a solução apresentada. Durante a execução simulada de
uma atividade instrucional SC, Noronha e Fernandes (2006a) relatam que a quantidade
de soluções sem regra associada pode ser elevada, de modo que isso poderia acarretar
uma excessiva exposição dessa mensagem. Haveria uma outra solução para os sistemas
de casamento de padrão?
5.2
132
Como Comparar as Regras do Guia de Discussão
com uma Possı́vel Solução
As próximas subseções investigam como essas regras poderiam ser interpretadas para
os casos ilustrados simbolicamente pela Figura 5.1. Um desenvolvedor de ITS poderia
utilizar um sistema especialista para registrar as informações da seção Guia de Discussão
e executar o exercı́cio, tal como feito por Noronha et al. (2004).
Para a situação ilustrada simbolicamente na Figura 5.1b), o uso de um mecanismo
de casamento de padrões poderia ser indicado. Para as outras situações ilustradas nas
Figuras 5.1b), c), d) e e) esse mecanismo não selecionaria regra alguma pois os requisitos
da regra não foram atendidos pela solução do aprendiz.
Neste trabalho, utilizou-se um paradigma diferente: o emprego do conceito de proximidade ou similaridade entre objetos binários como mecanismo de identificação de regra.
A Seção 5.2.1 faz referência ao trabalho de Johnstone (1988) como mecanismo identificador de quais regras poderiam ser consideradas próximas de uma solução qualquer de
um aprendiz. A Seção 5.2.2 apresenta outras diversas fórmulas que poderiam ser usadas
para o cálculo da proximidade entre dois vetores.
5.2.1
O Conceito de Proximidade de Johnstone para Identificar
Regras no Guia de Discussão
O conceito de proximidade entre dois vetores foi inicialmente empregado por Johnstone
(1988) como forma de calcular uma nota para a solução do aprendiz. Nesse contexto, a
SC foi utilizada como ferramenta de avaliação do conhecimento do aprendiz.
133
O professor elege um conjunto de elementos da Matriz Resposta como solução correta
ou gabarito (JOHNSTONE, 1988). Esses elementos são denominados de “Elementos Relevantes”. A solução do aprendiz é comparada com esse gabarito e um valor numérico é
fornecido de acordo com os elementos selecionados. A nota do aprendiz é incrementada
positivamente sempre que a sua solução apresentar um elemento definido no conjunto de
“Elementos Relevantes”. A nota é decrementada sempre que a solução apresentar um
elemento não definido no conjunto dos “Elementos Relevantes”. A Seção 5.2.1.1 apresenta
um exemplo de cálculo dessa nota.
O trabalho de Johnstone foi adaptado a um novo contexto. A solução do aprendiz não
será mais comparada com a suposta solução correta do professor. A solução do aprendiz
será comparada com cada regra de inclusão e omissão do Guia de Discussão. O resultado
dessa comparação será um valor numérico. O conjunto de regras do Guia de Discussão
assume a função de ser um conjunto de gabaritos e o que se busca é identificar qual o
gabarito mais próximo da solução do aprendiz.
A Figura 5.2 ilustra esse paradigma de seleção. Seja um Guia de Discussão composto
pelas regras R1, R2, R3, ... Rn, por exemplo. A proximidade P , definida entre qualquer
solução apresentada pelo aprendiz S e as regras contidas na Guia de Discussão, informa
o quanto S aproxima-se de cada regra.
Estar próximo, nesse contexto, está relacionado com a quantidade de elementos que
são comuns entre a solução S e uma regra qualquer Rn. Diferentemente de sistemas de
casamento de padrões, uma regra não necessita conter todos os elementos da solução para
que ela seja selecionada; basta estar próxima o suficiente da solução do aprendiz. Ou seja,
possuir o maior valor de P .
A Seção 5.2.1.1 descreve como a proximidade P pode ser calculada entre uma solução
134
FIGURA 5.2 – Representação do universo de Regras do Guia de Discussão e da solução
“S” do aprendiz.)
“S” e uma regra de inclusão. O trabalho de Johnstone não faz referência à utilização
de gabaritos de omissão de elementos. As adaptações do modelo de Johnstone para a
comparação entre a solução “S” e uma regra de omissão estão descritas na Seção 5.2.1.2.
A Seção 5.2.1.3 discute as caracterı́sticas do modelo de Johnstone nesse novo contexto de
utilização.
5.2.1.1
Cálculo da pontuação para situações de inclusão de elementos
Johnstone empregou a SC como mecanismo de avaliação somativa. A pontuação P
da solução é calculada pela expressão matemática apresentada na Equação 5.1. Nessa
equação, a solução do aprendiz é comparada com a solução de referência e um valor
numérico é atribuı́do.
N r. Elementos Relevantes Escolhidos
)
N r. Elementos Relevantes Def inidos na Regra
N r. Elementos Irrelevantes Escolhidos
− (
)
N r. Elementos Irrelevantes Disponives na M atriz
135
P = (
(5.1)
Onde:
• “N r. Elementos Relevantes Def inidos na Regra” é a quantidade de elementos que
foram definidos na solução de referência. Por exemplo:
A regra “I(1, 5)” possui N r. Elementos Relevantes Def inidos na regra = 2.
A regra “I(1, 4, 5, 7, 8)” possui N r.ElementosRelevantesDef inidosnaregra =
5.
A regra “I(9)” possui N r. Elementos Relevantes Def inidos na regra = 1.
• “N r.ElementosIrrelevantesDisponveisnaM atriz”é a quantidade de elementos da
Matriz de Resposta reduzida da quantidade de Elementos Relevantes Definidos na
regra. Por exemplo, para uma tı́pica Matriz de Resposta com 20 elementos, teremos
para cada um dos elementos exemplificados anteriormente:
A regra “I(1, 5)” possui N r. Elementos Irrelevantes Disponveis na matriz =
20 − 2 = 18.
A regra“I(1, 4, 5, 7, 8)”possui N r.ElementosIrrelevantesDisponvesnamatriz =
20 − 5 = 15.
A regra “I(9)” possui N r. Elementos Irrelevantes Disponiveis na matriz :=
20 − 1 = 19.
136
• N r. Elementos Relevantes Escolhidos corresponde à quantidade de Elementos Relevantes Definidos na regra e que também estão presentes na solução “S”.
• N r. Elementos Irrelevantes Escolhidos corresponde à quantidade de Elementos
Irrelevantes Disponı́veis na matriz que também estão presentes na solução “S”.
A expressão matemática da Equação 5.1 permite pontuar a resposta do aprendiz entre
os intervalos [-1, + 1]. O valor [+1] indica que a solução do aprendiz contém todos os
elementos previstos no gabarito e nenhum elemento diferente desses foi selecionado. O
valor [-1] indica que a solução do aprendiz contém todos os elementos não previstos no
gabarito e nenhum elemento diferente desses foi selecionado.
5.2.1.2
Cálculo da Pontuação para Situações de Omissão de Elementos
O trabalho de Johnstone (1988) não define como comparar uma possı́vel solução do
aprendiz com um gabarito de omissão. A solução adotada neste trabalho, nesse caso,
foi identificar quais elementos foram omitidos da solução do aprendiz. Esses elementos
omitidos formam uma nova interpretação da solução. A solução não é mais uma lista de
elementos selecionados e sim de elementos omitidos. Os elementos selecionados assumem
o valor “0” e os valores omitidos o valor “1”. Por exemplo, se uma solução for formada
apenas pelo décimo elemento de uma matriz com 10 elementos. Essa solução pode ser
representada por S = 0000000001 e o inverso da solução pelo valor S̄ = 1111111110.
Essa modificação na interpretação da solução “S” do aprendiz foi denominada neste
trabalho de inverso da solução ou solução invertida e representada por “ S̄ ”. O inverso
da solução é comparado com os gabaritos que tratam da omissão de elementos e a nota
também é calculada pela Equação 5.1, onde troca-se escolhido por omitido.
5.2.1.3
137
Algumas caracterı́sticas do modelo de Johnstone
Johnstone (1988), ao definir a Equação 5.1 para fornecer um valor numérico para a
solução do aprendiz, não previu o seu uso como mecanismo identificador de regra do
Guia de Discussão. A adaptação dessa equação como mecanismo identificador de regra
apresenta os seguintes aspectos limitantes:
• Não é homogênea- A comparação entre S ou S̄ e uma regra qualquer R representado neste trabalho por “S ? R” ou “S̄ ? R” fornece um valor numérico diferente se a
comparação for feita no sentido inverso, ou seja “R ? S” ou “R ? S̄”.
• Limitada a operadores “E”- A equação não prevê uma fórmula para calcular um
valor se a regra for composta pelo operador “OU”.
• Preferência por regras menores- Regras com pouca quantidade de elementos
tendem a fornecer valores maiores para P. Se duas regras com quantidade de elementos diferentes forem comparadas com uma solução S qualquer e elas estiverem
contidas na solução do aprendiz, a regra com a quantidade de elementos menor
fornecerá um valor maior para P .
A limitação do operador “E” não é especı́fica desse modelo de Johnstone. Outros
modelos também apresentam essa caracterı́stica, conforme apresentado na Seção 5.2.2.
5.2.2
Outras Formas de Calcular a Proximidade
O matemático e pesquisador Luke (2006) apresenta uma lista dos principais métodos de
cálculo da similaridade ou proximidade e “dissimilaridade” ou distância entre dois vetores.
Nos métodos apresentados, os dois vetores são binários e devem ter o mesmo tamanho.
138
Esses dois dois vetores binários, denominados por Objetoi e Objetoj , correspondem
respectivamente à solução do aprendiz e à regra do Guia de Discussão, conforme ilustrado
na Tabela 5.1. Cada um desses objetos correspondem a uma seqüência de “0” ou “1”,
conforme exemplificado na terceira coluna da Tabela 5.1.
TABELA 5.1 – Relação entre o conjunto {Objetoi , Objetoj } com o conjunto {Solução,
Regra}.
Vetor Binário
Objetoi
Objetoj
Correspondência
Solução S
Regra
Exemplo
00010011010110110110
11111000001011001001
Esses dois vetores binários são utilizados na determinação de alguns parâmetros úteis
para o cálculo da similaridade. Esses parâmetros foram denominados neste trabalho por
BSR , sendo o “S” correspondente à solução apresentada e “R” à regra. Os parâmetros BSR
armazenam um número inteiro que pode variar de zero até o tamanho “L” do vetor. Dos
parâmetros BSR , podem-se destacar quatro parâmetros que são inicializados com o valor
zero, a saber:
• BS=0,R=0 ou de f orma reduzida B00
Os dois vetores binários têm as suas posições investigadas individualmente. Por exemplo, a Tabela 5.1 exemplifica o Objetoi e o Objetoj . A primeira posição desse Objetoi
armazena o valor “0” e do Objetoj o valor “1”. O parâmetro B01 é incrementado pelo valor
um. Na segunda posição de cada um desses objetos, o valor “0” é armazenado no Objetoi
e o valor “1” no Objetoj . Novamente o parâmetro B01 é incrementado. A Figura 5.3
139
exemplifica, para esse exemplo, como os parâmetros B00 e B01 podem ser determinados.
Os outros dois parâmetros são determinados de forma similar.
FIGURA 5.3 – Exemplo de como determinar os valores dos parâmetros B00 e B01 .
Resumidamente, conforme apresentado na Tabela 5.2, quando o Objetoi possui o valor
“0” para uma determinada posição e o Objetoj também possui o valor “0”, incrementa-se
B00 . Quando o Objetoi possui o valor “1” para uma determinada posição e o Objetoj
possui o valor “0”, incrementa-se B10 . quando o Objetoi possui o valor “0” para uma
determinada posição e o Objetoj possui o valor “1”, incrementa-se B01 . Quando o Objetoi
possui o valor “1” para uma determinada posição e o Objetoj também possui o valor “1”,
incrementa-se B01 .
TABELA 5.2 – Definição de parâmetros B(SR) entre dois objetos binários.
Objetoi
0
1
Objetoj
0
1
B00 B01
B10 B11
140
A partir desses quatro parâmetros básicos, novos parâmetros são definidos, a saber:
• Bi = B10 + B11 é o total de “1” no Objetoi .
• Bj = B01 + B11 é o total de “1” no Objetoj .
• Bc = B11 é o total de “1” em ambos os objetos.
• BI = B00 + B11 é o total de vezes que os objetos apresentaram a mesma informação.
• L = B00 + B01 + B10 + B11 é o tamanho dos objetos ou vetores.
A Tabela 5.3 resume algumas equações que poderiam ser utilizadas para o cálculo de
similaridade e a Tabela 5.4 algumas equações que poderiam ser utilizadas para o cálculo
de dissimilaridade investigados por Luke, sendo Similaridade = 1 − dissimilaridade;
essas equações utilizam os valores de Bi , Bj , Bc ,BI , L e BSR .
TABELA 5.3 – Algumas equações para o cálculo de Similaridade entre dois vetores.
Método
Forma de Calcular
Sokal e Michener
SM = BLI
Russel e Rao
Rr = BLc
Bc
Coeficiente de Tanamoto
T c = Bi +B
j −Bc
c
Rice, Czekanowski, Soremem
DCS = B2∗B
i +Bj
BI
Rogers e Tanamoto
Rt = 2∗L−B
I
Bc
Coeficiente Jacarda de Comunidade
Jcc = L−B
00
Bc
c
Kulszynski
Ks = ( 12 ) ∗ ( B
+ B
)
Bi
j
B
c
OChini
CS = √
Similaridade de Jacarta
JSij =
JSji =
Bj ∗Bi
Bc
Bi
Bc
Bj
TABELA 5.4 – Algumas equações para o cálculo de Dissimilaridade entre dois vetores.
Método
Forma deqCalcular
I
Dissimilaridade Euclideana
DE = L−B
L
Dissimilaridade de Diferença de Padrão
DP = 4∗B10L∗B01
Square Euclidean Substructure Dissimilarity
DSESji = BB01j
I
Lance e Wiliiams
DLW = BL−B
i +Bj
141
Em seguida, apresenta-se um exemplo de como esses métodos poderiam ser empregados
durante a execução de uma atividade SC.
5.2.2.1
Exemplo de Cálculo de Parâmetros BSR
O exemplo elaborado para demonstrar o cálculo dos parâmetros BSR possui a Matriz
de Resposta com 20 elementos e as suas regras do Guia de Discussão estão apresentadas
na Figura 3.7. A transformação vetorial dos elementos listados nesse Guia de Discussão
é apresentada na Tabela 5.5, sendo que os operadores lógicos “OU” e “E” foram propositadamente omitidos.
TABELA 5.5 – Exemplo de conversão para vetores binários das regras do Guia de Discussão.
Regra Tipo de Regra
Elementos
Vetor binário
R1
inclusão
2, 3, 11, 18, 19, 20
01100000001000000111
R2
omissão
1,4,5,6,7,8,9,10,12,14,15,16 10011111110101110000
R3
omissão
2, 3, 17
01100000000000001000
R4
inclusão
13
00000000000010000000
Um determinado aprendiz poderia selecionar os elementos {10, 11, 18, 19, 20} da
Matriz de Resposta para compor a sua solução. Essa solução do aprendiz, se convertida
para vetor binário, fornecerá o seguinte vetor:
S = 00000000011000000111
O inverso da solução do aprendiz, ou seja, a lista dos elementos omitidos {1, 2, 3, 4,
5, 6, 7, 8, 9, 12, 13, 14, 15, 16, 17}, fornece o seguinte vetor, embora ele tenha utilidade
apenas nos casos de regra de omissão:
S̄ = 11111111100111111000
142
Ao comparar a solução do aprendiz ou “Objetoi ” com a regra R1 da Tabela 5.5 ou
“Objetoj ”, por exemplo, teremos o seguinte:
Objetoi = S = 00000000011000000111
Objetoj = R = 01100000001000000111
A partir desses dois objetos, o “i” e o “j”, calculam-se os ı́ndices necessários da seguinte
forma:
1. Cálculo de B00 :
Objetoi
=
0
0 0
0 0 0 0 0 0
1 1
0 0 0 0 0 0
1 1 1
Objetoj
=
0
1 1
0 0 0 0 0 0
0 1
0 0 0 0 0 0
1 1 1
B00 = 1+6+6=13
Objetoi
= 0 0 0 0 0 0 0 0 0 1
1
0 0 0 0 0 0
1 1 1
Objetoj
= 0 1 1 0 0 0 0 0 0 0
1
0 0 0 0 0 0
1 1 1
B11 =1+3=4
Objetoi
= 0 0 0 0 0 0 0 0 0
1
1 0 0 0 0 0 0 1 1 1
Objetoj
= 0 1 1 0 0 0 0 0 0
0
1 0 0 0 0 0 0 1 1 1
B10 =1
Objetoi
= 0
0 0
0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 1 1
Objetoj
= 0
1 1
0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1
143
B01 =2
Com esses valores, calcula-se para a regra R1 da Tabela 5.5 e a solução S do aprendiz
composta pelos elementos {10, 11, 18, 19, 20}, os seguintes parâmetros:
Bi
=
B10 + B11
= 1+4=5
Bj
=
B01 + B11
= 2+4=6
Bc
=
B11
BI
=
B00 + B11
L
= 4
= 13 + 4 = 17
= B00 + B01 + B10 + B11
= 13 + 2 + 1 + 4 = 20
Procedendo dessa forma com as regras R2, R3 e R4 e alterando a solução S do
aprendiz para solução invertida S̄ sempre que a regra for de omissão, teremos os dados
apresentados na Tabela 5.6.
TABELA 5.6 – Valores dos parâmetros para cada uma das regras apresentadas na Tabela
5.5 para solução formada pelos elementos {10, 11, 18, 19, 20}.
B00
B11
B01
B10
Bi
Bj
Bc
BI
L
R1
13
4
2
1
5
6
4
17
20
R2
4
11
1
4
15
12
11
15
20
R3
5
3
0
12
15
12
3
8
20
R4
14
0
1
5
5
1
0
14
20
Com os dados apresentados na Tabela 5.6, o valor da Similaridade ou Dissimilariade é
calculado de acordo com as expressões apresentadas nas Tabelas 5.3 e 5.4. Quanto mais
próximo de 1 for o valor da Similaridade, mais próximo da solução está a regra.
Qualquer uma das equações apresentadas no trabalho de Luke poderia ser utilizada
para identificar a regra do Guia de Discussão que mais se aproxima da solução do aprendiz.
144
A escolha de qual expressão de cálculo de similaridade ou dissimilaridade poderia ser
orientada pelas seguintes questões que poderiam ser objeto de investigação futura:
1. Utilizar apenas uma expressão de cálculo ou uma combinação dessas expressões? O
que seria mais eficaz?
2. A mesma expressão poderia ser empregada para qualquer tipo de aprendiz?
3. A mesma expressão poderia ser empregada para qualquer domı́nio ?
4. Escolher, de acordo com a preferência do autor, algum tipo de METERI a ser apresentado por primeiro, pois a probabilidade de uma determinada regra ser selecionada
varia de acordo com a expressão de cálculo utilizada.
Fica registrada, neste documento, a diversidade de expressões ou modelos para o
cálculo da similaridade e dissimilaridade. Destaca-se como possı́vel pesquisa futura, a
identificação de qual dessas expressões poderia ser considerada a mais indicada para um
exercı́cio SC. Resumidamente, a escolha da expressão é deixada a cargo do autor da SC.
5.3
Caracterı́sticas da Regras
A análise das regras encontradas na literatura pesquisada, por exemplo em Fyfe e
Woodrow (1969) e Egan (1976), permite identificar algumas caracterı́sticas dessas regras,
a saber:
• Independência - Toda e qualquer regra é independente das demais regras do Guia
de Discussão. Não foi localizado registro de uma regra fazendo referência explı́cita
a outras regras do Guia. Como exemplo do tipo de regra que não é encontrada na
145
SC, pode-se exemplificar a seguinte regra Ri : “Se a regra Rj for verdadeira e a regra
Rk for falsa, então ...”.
• Direcionada aos elementos da Matriz de Resposta - O lado esquerdo das
regras faz referência apenas aos elementos (F) contidos na Matriz de Resposta.
• Ausência de Histórico - A regra não faz referência às soluções prévias que o
aprendiz tenha apresentado e ao conteúdo das METERIs.
• Operação - A regra faz referência apenas à operação de inclusão ou omissão de
elementos da Matriz de Resposta.
• Condição - As condições de seleção definidas em uma regra podem ser dos seguintes
tipos, a saber:
Pontual - A regra especifica claramente alguns elementos da Matriz de Resposta, por exemplo “R1: Se incluiu os elementos {3, 4, 7} então ...” .
Especı́fica - A regra faz referência explı́cita a todos os elementos da Matriz de
Resposta, por exemplo “R1: Se incluiu os elementos {3, 4, 7} e omitiu todos os
outros elementos, então ...”.
Aproximada - A regra não especifica claramente quais elementos da Matriz
de Resposta são necessários para a sua seleção. Por exemplo, “R1: Se incluiu dois
ou mais elementos da lista {1, 2, 3, 4, 6, 8, 9, 14, 15, 16} então ...”. Na pesquisa
realizada não se encontraram motivos que justificassem a escolha de “dois ou mais”
em vez de “três ou mais” ou “quatro ou mais”, por exemplo.
5.4
146
Caracterı́sticas das Estratégias de Seleção
Na Seção 5.3 deste documento apresentaram-se algumas caracterı́sticas que podem ser
observadas nos exemplos encontrados na literatura. Essas caracterı́sticas permitem definir
um conjunto de estratégias de seleção de regras. As seguintes estratégias são definidas
neste trabalho, a saber:
• Exata - A solução do aprendiz precisa possuir os requisitos exatos definidos na regra.
Busca-se identificar a regra que case completamente com a solução do aprendiz. Por
exemplo, uma regra definida por “I(2, 3, 5, 7, 9, 12, 13, 16, 18)” será selecionada
apenas se a solução do aprendiz contiver todos os elementos definidos pela regra.
• Próxima - A solução do aprendiz precisa conter a maioria dos elementos do domı́nio
representados na regra. Busca-se identificar a regra mais próxima da solução do
aprendiz. Se, no mesmo exemplo anterior, a solução do aprendiz contiver a maioria
dos nove elementos descritos pela regra “I(2, 3, 5, 7, 9, 12, 13, 16, 18)”, ela poderá
ser selecionada se for a mais próxima possı́vel da solução.
Definir como utilizar cada uma das estratégias está além do escopo deste trabalho de
pesquisa pode constituir-se em trabalho futuro. Essas estratégias definem qual mecanismo
de comparação entre a regra e a solução poderia ser empregado.
5.5
Relacionamento entre Estratégia e METERI
Um aspecto que poderia ser observado, para a definição de qual estratégia deverá ser
utilizada, é o lado direito da regra, a METERI. Por exemplo, a METERI B a ser apresentada ao Desafio 1, do exercı́cio contido no Apêndice A, é formada por dois parágrafos
147
parcialmente traduzidos e ilustrados em seguida:
METERI B:
É difı́cil avaliar o quanto a proteção governamental para os Mercadores Aventureiros foi efetiva especialmente...
As tentativas de as Companhias protegerem seus próprios mercados através da
introdução de quotas para assegurar...
De acordo com a regra do Guia de Discussão ilustrada nesse exemplo, essa METERI
deve ser apresentada se a solução do aprendiz incluir os elementos {11, 18}. Essa METERI faz referência explı́cita aos dois elementos listados no lado esquerdo da regra. A
Matriz de Resposta desse exemplo é apresentada na Tabela 4.2. Esses dois elementos
contém respectivamente o seguinte texto:
11: Os Mercadores Aventureiros introduziram o sistema de quotas.
18: Os Mercadores Aventureiros continuamente apelaram para o Governo por proteção contra os competidores.
A análise desses dois elementos da Matriz de Resposta e dos dois parágrafos da METERI B, permite identificar que o primeiro parágrafo está relacionado com o elemento
número 11. O primeiro parágrafo dessa METERI e o elemento número 11 abordam a
questão proteção gevernamental, ou quotas. O segundo parágrafo trata da proteção de
mercado contra competidores. O elemento número 18 aborda a questão do apelo dos
Mercadores Aventureiros ao Governo para a proteção contra competidores. Ou seja, essa
METERI faz sentido apenas se a solução contiver os elementos número 11 e 18 da Matriz
de Resposta.
148
Nesse exemplo investigado, se a estratégia da regra fosse a Próxima, a METERI B
poderia ser apresentada se a solução do aprendiz estivesse próxima o suficiente da regra.
Se a solução apresentada não possuir os elementos número 11 e 18 e a regra selecionada for
a regra associada à METERI B, essa mensagem perde o sentido e poderia ser interpretada
pelo aprendiz como um erro ou falha da técnica.
Por outro lado, nesse mesmo exercı́cio, a METERI F não faz referência explı́cita aos
elementos listados no lado esquerdo da regra, conforme parcialmente ilustrado em seguida:
METERI F:
Eu interpreto todos esses elementos como irrelevantes
ao problema...
A estratégia da regra que está associada à METERI F poderia ser a Próxima, pois
não há a referência explı́cita aos elementos listados no lado esquerdo da regra, no texto
da mensagem.
Se os padrões apresentados por Hong (1998) e resumidos na Figura 2.5 puderem ser
utilizados na definição da estratégia de seleção, a Tabela 5.7 poderá ser utilizada como
referência para essa definição. Na coluna denominada de “Referência Explı́cita” dessa
tabela, a METERI faz referência explı́cita aos elementos listados no lado esquerdo da
regra. Na coluna “Referência Não-Explı́cita”, a METERI não faz referência explı́cita aos
elementos listados no lado esquerdo da regra. A coluna entitulada de “Referência Mista”
poderia representar a METERI que apresenta as duas caracterı́sticas anteriores, ou seja,
parte dela faz referência explı́cita aos elementos e parte dela faz referência não explı́cita
aos elementos envolvidos.
149
TABELA 5.7 – Estratégias de Seleção de Regra x Padrão de METERI.
Referência Explı́cita
Referência
Não- Referência Mista
Explı́cita
Exata
X
X
Próxima
X
X
Dinâmica
X
X
X
5.6
Representação das Regras do Guia de Discussão
Nesta seção, exemplifica-se como as regras do Guia de Discussão podem ser representadas utilizando os conceitos apresentados neste capı́tulo. O exemplo utiliza o exercı́cio
registrado no Apêndice A. As regras do Guia de Discussão referem-se ao Desafio 1.
5.6.1
Estrutura de Informação da Regra
Uma regra do Guia de Discussão, enquanto objeto do sistema descrito, possui a seguinte estrutura:
• Estratégia de Seleção- Define qual estratégia pode ser utilizada e os valores
que podem ser aceitos: Exata, Próxima e Dinâmica. A Seção 5.4 descreve essas
estratégias.
• Cálculo da Similaridade ou Dissimilaridade-
Define qual o método a ser
utilizado para calcular a similaridade ou proximidade entre a regra e uma solução
apresentada. A Seção 5.2.2 descreve quais são esses métodos. Diferentemente dos
outros parâmetros, ele deve possuir o mesmo valor para todas as regras do Guia de
Discussão.
• Referência da METERI-
Define se a METERI faz referência aos elementos
listados na regra. Os valores aceitáveis são “Explı́cita”, “Não-Explı́cita” e “Mista”.
150
• Tipo de Regra- Define se a regra é do tipo de Omissão ou Inclusão. Os valores
aceitáveis são “I” e “O”.
• Elementos- Registra quais elementos da Matriz de Resposta compõem a regra.
Nesse registro, os elementos são separados pelo sı́mbolo “,” caso o operador seja o
“E” e “;” caso o operador seja o “OU”. Por exemplo, os elementos {1 e 5 ou 6} são
representados por {1, 5; 6}.
• Elementos Ordenados Valor que registra se a ordem dos Elementos armazenados
é importante.
• N ou mais- Permite registrar a opção de “N ou mais elementos”.
• Texto Integral- Registra o lado esquerdo da Regra.
• METERI- Registra a mensagem textual de retorno de interação.
Quanto às ações que esse objeto-regra poderia realizar, define-se o seguinte:
• Retorna Cálculo de Similaridade- Retorna o valor calculado de acordo com
definido na Seção 5.2.2.
• Retorna Representação Vetorial- Retorna uma representação vetorial binária
de acordo com os elementos definidos ou não na regra. A Seção 5.2.2 descreve essa
operação.
• Retorna a Representaçao de Conceitos (EC)- Retorna um vetor que registra
a presença ou não de elementos do domı́nio (KWK) nos elementos definidos ou na
regra.
151
• Retorna a Representaçao Vetorial Ordenada (->)- Retorna um vetor que
registra a posição de cada elemento em relação à Matriz de Resposta, conforme
apresentado previamente na Seção 4.5.2.
5.6.1.1
Exemplo de Estrutura de Informação de Regras
A Tabela 5.8 exemplifica a estrutura definida neste capı́tulo para a Regra 1, do Desafio
1, do exercı́cio constante no Apêndice A. A Tabela 5.9 exemplifica parcialmente a estrutura
definida para todas as outras regras do Guia de Discussão do Desafio 1. É exemplificado
parcialmente porque o parâmetro “Cálculo de Similaridade ou Dissimilaridade” é o mesmo
para todo o exercı́cio, o texto correspondente à METERI não é apresentado e o parâmetro
“Elementos Ordenados?” tem o valor “Falso” para todas as regras. No exemplo ilustrado,
o método escolhido foi o da “Dissimilaridade Euclideana”, escolha esta feita por acaso. O
valor do parâmetro “Elementos Ordenados?” é considerado ”Falso” devido a ausência de
definição do autor do exercı́cio.
TABELA 5.8 – Exemplo completo da Estrutura para
cussão do Desafio 1 do Apêndice A.
Desafio
Regra Estrutura
1
1
Quantidade de Elementos da Matriz Resposta
Estratégia de Seleção
Cálculo da Similaridade ou Dissimilaridade
Referência da METERI
Tipo de Regra
Elementos
Elementos Ordenados?
N ou mais
Texto Integral
METERI
a regra número 1 do Guia de DisValor
20
Exata
definido no ambiente, a saber,
“Dissimilaridade Euclideana”
Explı́cita
I
4, 6
Falso
I (4, 6)
“Eu excluiria esses dois itens da
resposta porque ...”
152
TABELA 5.9 – Exemplo parcial da Estrutura para as regras da Guia de Discussão do
Desafio número 1, do Apêndice A.
Desafio
Regra Estrutura
Valor
1
2
Quantidade de Elementos da Ma- 20
triz Resposta
Exata
Explı́cita
Tipo de Regra
I
Elementos
11, 18
N ou mais
Texto Integral
I (11, 18)
1
3
triz Resposta
Próxima
Não explı́cita
Tipo de Regra
O
Elementos
3; 8
N ou mais
Texto Integral
O (3; 8)
1
4
triz Resposta
Próxima
Não explı́cita
Tipo de Regra
O
Elementos
13; 20
N ou mais
Texto Integral
O (13; 20)
1
5
triz Resposta
Próxima
Não explı́cita
Tipo de Regra
O
Elementos
5; 14
N ou mais
Texto Integral
O (5; 14)
1
6
triz Resposta
Próxima
Não explı́cita
Tipo de Regra
I
Elementos
1, 2, 7, 9, 10, 12, 15, 16, 17, 19
N ou mais
3
Texto Integral
I[3/+] (1, 2, 7, 9, 10, 12, 15, 16,
17, 19)
5.7
153
O Módulo do Especialista
O que é descrito neste capı́tulo corresponde ao representado no SCAT através do
Módulo do Especialista, conforme ilustra a Figura 5.4. Nesse contexto, a Figura 1.1 é
modificada para representar em diagrama em blocos:
• O repositório das Regras do Guia de Discussão.
• O Gerente de Regras. Esse gerente tem a função de representar, armazenar e consultar as informações das regras do Guia.
FIGURA 5.4 – Módulo do Especialista do Modelo SCAT.
5.8
Conclusão
Este capı́tulo investigou as regras representadas no Guia de Discussão. Possı́veis caracterı́sticas dessas regras foram apresentadas e investigadas.
154
Das caracterı́sticas investigadas, destaca-se a forma de comparar uma determinada
regra com a solução. Na forma definida neste capı́tulo, o conceito de Similaridade e
Dissimilaridade entre dois vetores binários foi empregado para identificar a regra mais
próxima da solução apresentada.
Diferentemente de um sistema de casamento de padrões, o Cálculo da Similaridade
e Dissimilaridade permite identificar as regras mais próximas de uma solução qualquer.
Ou seja, todas as possı́veis relações apresentadas na Figura 5.1 foram contempladas nesse
modelo. Um sistema de casamento de padrões contemplaria apenas a Figura 5.1b).
Outro aspecto relatado neste capı́tulo é a relação entre a METERI e os elementos da
regra. Se a METERI faz referência explı́cita aos elementos descritos no lado esquerdo
da regra, então essa regra somente pode ser selecionada se a solução contiver todos esses
elementos. Caso contrário, a regra selecionada não precisaria possuir todos os elementos
referenciados pela regra.
6 Módulo do Aprendiz
Este capı́tulo define e especifica o Módulo do Aprendiz do SCAT ilustrado na Figura
1.1, tendo como referência os estilos cognitivos Convergente e Divergente apresentados na
Seção 6.1. Ele foi estruturado da seguinte forma:
• A Seção 6.1 apresenta uma discussão sobre os estilos cognitivos Divergente e Convergente.
• Na Seção 6.2, descreve-se como representar uma lista de elementos formadores da
solução do aprendiz em uma forma especı́fica, a Expressão de Conceitos. Nesse
contexto, a solução deixa de ser interpretada apenas como uma lista de elementos
selecionados. De fato ela é interpretada como uma soma algébrica de expressões.
• Na Seção 6.3, descreve-se o modelo de classificação do aprendiz.
• Na Seção 6.4 apresenta-se a estrutura definida para o Módulo do Aprendiz.
CAPÍTULO 6. MÓDULO DO APRENDIZ
6.1
156
Desenvolvimento de Estereótipos de Aprendizes
de Acordo com os Estilos Cognitivos Convergente
e Divergente
Bahar (1999) descreve dois estilos cognitivos, a saber: Convergente e Divergente.
Bahar afirma que a idéia de Convergência e Divergência originou-se na década de 60 e foi
baseada em “estudos de inteligência”. Esses dois estilos foram utilizados em sua pesquisa
para investigar a estrutura cognitiva dos aprendizes. Uma das ferramentas empregada
nessa investigação foi a SC. Utilizando esses dois estilos, Bahar foi capaz de agrupar os
aprendizes que participaram de seu experimento.
O primeiro grupo, os Convergentes, foi denominado de “QI Elevado”. Os elementos
pertencentes a esse grupo apresentaram bom desempenho em testes de inteligência, mas
com baixa pontuação em testes de criatividade. Como exemplo desse grupo, Bahar cita
profissionais cientistas, matemáticos, fı́sicos e quı́micos.
O segundo grupo foi denominado de “Altamente Criativo” por apresentarem bom desempenho em testes de criatividade, mas com baixa pontuação em testes de inteligência.
Como exemplo do segundo grupo, Bahar cita os especialistas em arte, história e interpretação literária.
Aprendizes com caracterı́sticas Convergentes poderiam ser definidos e distinguidos,
segundo relato de Bahar, pelas suas altas pontuações obtidas em atividades de solução
de problemas. Esses aprendizes, durante a execução do experimento realizado por Bahar,
forneceram poucas soluções aos problemas apresentados. Essas poucas soluções foram
analisadas e apresentadas de forma profunda. Por outro lado, os aprendizes que foram
157
classificados como Divergentes apresentaram muitas soluções distintas e todas elas de
maneira superficial.
Não foi localizado, na literatura investigada, relato de identificação ou descrição de
estereótipos de aprendizes nem de dificuldades encontradas por eles durante a execução
de atividades instrucionais SC além do trabalho de Bahar que excluiu dos seus exercı́cios
a seção Discussão.
Diante dessa lacuna, como definir mecanismos computacionais para acompanhar aprendizes durante a execução de um exercı́cio SC, se não são conhecidos o seu estereótipo nem
as suas dificuldades?
Essa questão foi investigada através da definição de possı́veis estereótipos de aprendizes. Esses estereótipos foram definidos, neste trabalho de pesquisa, a partir dos dados
levantados por Bahar (1999), da CFT (SPIRO et al., 1991) e da análise das possı́veis soluções apresentadas durante a execução do exercı́cio.
A Subseção 6.1.1 investiga como uma solução apresentada pode ser analisada sob a
ótica da CFT e como ela pode ser classificada de acordo com o estilo cognitivo Convergente
e Divergente. A Subseção 6.1.2 investiga como determinar o possı́vel estilo cognitivo a
partir do histórico de soluções apresentadas. A Subseção 6.1.3 investiga como o conjunto
de soluções pode ser analisado e como classificar o resultado dessa análise.
6.1.1
Classificação de uma Solução de Acordo com o Estilo Cognitivo
Diante do que foi apresentado no trabalho de Bahar (1999), definem-se, nesta seção, os
conceitos de solução Convergente e solução Divergente. Um pequeno exemplo simbólico
158
fictı́cio de execução de atividade instrucional com a SC foi utilizado para auxiliar nessa
tarefa de definição. Esse exemplo faz uso da Matriz de Resposta parcialmente ilustrada
na Figura 3.3.
Exemplo Simbólico Fictı́cio
Supondo que duas soluções S0 e S1 independentes e distintas possam ser apresentadas
por um aprendiz. A solução S0 é formada pela lista de elementos selecionados { 1, 3 }
ilustrados na Figura 3.3, por exemplo, e S1 é composta pela lista de elementos selecionados
{ 2, 3, (m-1) }. O que essas duas soluções poderiam informar a respeito do aprendiz? O
comportamento do aprendiz pode ser classificado em Convergente ou Divergente?
Quando a solução pode ser considerada Convergente?
A solução S0 , formada pelos elementos {1, 3} ilustrados na Figura 3.3, relaciona dois
grupos de elementos do domı́nio. O primeiro grupo corresponde ao elemento número 1,
da Matriz de Resposta ilustrada nessa figura e o segundo grupo, ao elemento número 2,
dessa Matriz de Resposta.
Conforme ilustrado na Figura 3.3, o primeiro elemento da Matriz de Resposta está
associado aos elementos do domı́nio {C1, C6 e C7}. O segundo grupo, correspondente
ao item número 3, da Matriz de Resposta ilustrada na Figura 3.3, está associado aos
elementos do domı́nio {C1, C6 e C9}.
A solução S0 é considerada Convergente nos elementos do domı́nio C1 e C6. Esses
elementos do domı́nio são os mais utilizados. Ou seja, eles estão presentes em todos os
elementos selecionados da Matriz de Resposta. Pode-se afirmar que essa solução converge
para esses elementos e seus respectivos relacionamentos; a Figura 6.1 ilustra essa idéia.
Nessa figura, uma região de convergência ou intersecção entre os elementos selecionados
pode ser identificada.
159
FIGURA 6.1 – Exemplo Simbólico de Solução Convergente.
Quando a solução pode ser considerada Divergente?
A solução S1 , formada pelos elementos { 2, 3, (m-1) } da Matriz de Resposta ilustrada
na Figura 3.3, por exemplo, está relacionando três grupos de elementos do domı́nio. O
primeiro grupo corresponde ao item número 2 da Matriz de Resposta e é formado pelos
elementos {C2, C3, C4, C5}. O elemento número 3 da Matriz de Resposta é formado pelos
elementos {C1, C6, C9}. O elemento número (m-1) da Matriz de Resposta é formado
pelos elementos {C8, C10, C11, C12, C13}.
A solução S1 é considerada Divergente. Nenhum dos elementos do domı́nio que compõem a solução S1 é utilizado de forma mais veemente que os outros. Cada elemento da
Matriz de Resposta contribui com elementos distintos do domı́nio, sem que ocorra sobreposição de algum elemento. A Figura 6.2 ilustra essa idéia; nessa figura, não existe região
de convergência ou sobreposição entre os elementos selecionados.
160
FIGURA 6.2 – Exemplo Simbólico de Solução Divergente.
6.1.2
O Estilo Cognitivo do Histórico de Soluções
Supondo que um determinado histórico de soluções e a sua correspondente classificação
pudessem ser tabelados, conforme ilustrado nas Tabelas 6.1, 6.2 e 6.3. Na primeira coluna
dessas tabelas, cada solução que o aprendiz apresentou recebe um número sequencial. A
segunda coluna apresenta a classificação da sua solução. Cada solução pode ser classificada
apenas em Convergente ou Divergente.
A Tabela 6.1 ilustra um conjunto de soluções divergentes. A Tabela 6.2 ilustra um
conjunto de soluções convergentes. A Tabela 6.3, por sua vez, ilustra um conjunto misto
de soluções classificadas como divergentes ou convergentes.
De acordo com o que está ilustrado nessas três tabelas, pode-se inferir que um apren-
TABELA 6.1 – Exemplo
S
0
1
2
3
...
n
161
Simbólico de Histórico de Soluções Divergentes.
Tipo
Divergente
Divergente
Divergente
Divergente
...
Divergente
TABELA 6.2 – Exemplo Simbólico de Histórico de Soluções Convergentes.
S
Tipo
0
Convergente
1
Convergente
2
Convergente
3
Convergente
...
...
n
Convergente
TABELA 6.3 – Exemplo Simbólico de Histórico de Soluções Mistas.
S
Tipo
0
Convergente
1
Convergente
2
Divergente
3
Divergente
4
Convergente
5
Divergente
...
...
n
Convergente
diz pode apresentar um histórico apenas de soluções Convergentes, Divergentes ou uma
alternância de estilos durante a execução de um exercı́cio SC.
6.1.3
Análise Conjunta do Histórico de Soluções
O estilo cognitivo também poderia ser identificado a partir da análise conjunta do
histórico das soluções apresentadas, conforme ilustrado simbolicamente pelas Figuras 6.3
e 6.4. Nessa análise, busca-se identificar quais elementos estão presentes em todas as
soluções armazenadas no histórico.
162
FIGURA 6.3 – Exemplo simbólico da análise conjunta do histórico de soluções. Condição
de Convergência do Histórico.
No pequeno exemplo simbólico ilustrado na Figura 6.3, o histórico de soluções S0 ,
S1 e S2 , de um determinado aprendiz, permite inferir, a partir dos elementos da Matriz
de Resposta, que ele está analisando o Desafio da SC com um enfoque no elemento do
domı́nio C9. O elemento C9 está presente em todas as soluções apresentadas. Apesar de
esse elemento estar presente em todas as soluções, nenhuma dessas soluções foi classificada
individualmente como convergente em C9.
163
FIGURA 6.4 – Exemplo simbólico da análise conjunta do histórico de soluções. Condição
de Divergência do Histórico.
No exemplo da Figura 6.4, a análise do histórico de soluções não é capaz de identificar
elemento do domı́nio que esteja presente em todas as soluções.
A diferença entre a análise apresentada nessa subseção e na subseção anterior está na
forma de manipulação dos dados do histórico de soluções. Na Subseção 6.1.2, cada solução
é analisada individualmente. Nessa subseção, os dados são analisados de forma conjunta.
No exemplo da Figura 6.3, o elemento do domı́nio C9 é investigado em todas as soluções
164
aprensentadas. No exemplo da Figura 6.4, nenhum elemento do domı́nio é investigado de
forma veemente.
6.2
Representação da Solução do Aprendiz Através
da Expressão de Conceitos
Para a análise da convergência ou divergência da solução, há a necessidade de analisar
quais conceitos estão presentes nos elementos selecionados da Matriz de Resposta. Se
os elementos da Matriz de Resposta puderem ser representados através da Expressão de
Conceitos, conforme descrito na Seção 4.5.1, então, qualquer solução que o aprendiz possa
apresentar também pode ser representada através dessa expressão. Essa representação da
solução é referenciada por SEC .
Considerando a análise parcial exemplificada na Seção 4.5.1, que utiliza apenas cinco
KWKs, e os elementos F3, F11, F13, F18 e F20 da Matriz de Resposta, dois possı́veis
casos de solução são descritos nesta seção. Através da análise desses dois casos define-se
que os aprendizes poderiam ser classificados como Convergentes ou Divergentes. Essa
classificação é função da análise dos elementos formadores da solução apresentada a um
Desafio de um exercı́cio SC.
Se, por exemplo, o aprendiz fornecer a solução composta pelos elementos F11 e F18 .
0
Essa solução é denominada de SEC
e poderia ser representada assim:
F11 = 1.KW K1 + 1.KW K2 + 0.KW K3 + 0.KW K4 + 0.KW K5
165
0
SEC
= F11 ∧ F18 = 2.KW K1 + 1.KW K2 + 0.KW K3 + 1.KW K4 + 0.KW K5
00
00
Se uma outra solução SEC
é formada pelos elementos F11 e F13 . Essa solução “SEC
”
poderia ser representada assim:
F 13 = 0.KW K1 + 0.KW K2 + 1.KW K3 + 0.KW K4 + 1.KW K5
00
SEC
= F11 ∧ F13 = 1.KW K1 + 1.KW K2 + 1.KW K3 + 0.KW K4 + 1.KW K5
A solução que um possı́vel aprendiz poderia fornecer a um Desafio pode ser representada através da Expressão de Conceitos, conforme exemplificado anteriormente. Caso
a solução do aprendiz esteja composta sem algum elemento da Matriz de Resposta, por
exemplo, a Expressão de Conceitos associada a essa solução possuirá todos os valores de
ı́ndices igual ao valor nulo.
A solução, nesse contexto, deixa de ser apenas uma lista de elementos selecionados da
Matriz de Resposta. Ela tem a função de representar quais KWKs estão sendo associados
pelo aprendiz.
6.3
Classificação dos Aprendizes
A classificação do aprendiz foi definida em três camadas distintas, conforme representada na Figura 6.5. Essas três camadas possuem as seguintes caracterı́sticas:
• Primeira Camada - A análise da Expressão de Conceitos da solução permite
166
classificar a solução como sendo Convergente ou Divergente, conforme apresentado
na Seção 6.3.1.
• Segunda Camada - O histórico de soluções do aprendiz poderia indicar que ele
tem apresentado apenas soluções Convergentes, Divergentes ou ambas de forma
alternada. Na Seção 6.3.2, um pequeno exemplo de como classificar um histórico de
soluções, é apresentado.
• Terceira Camada - A análise do conjunto de soluções poderia ser capaz de identificar KWKs de convergência ou de divergência. Duas ou mais soluções poderiam
ser classificadas individualmente como Convergentes, por exemplo. Os elementos do
domı́nio dessa convergência poderiam variar ou não de solução para solução. Por
exemplo, uma determinada solução poderia ser convergente para o elemento KW Ki ,
uma segunda solução também poderia ser convergente para esse mesmo elemento.
Nesse pequeno exemplo simbólico, os relacionamentos KW Ki estão sendo consecutivamente explorados. Nesse caso, o “caminho de solução” apresentado por essas
duas soluções é convergente em KW Ki . Se essa segunda solução fosse convergente
para um outro elemento KW Kj , por exemplo, poder-se-ia considerar que existe um
“caminho” de elementos convergentes identificado por “KW Ki − > KW Kj ”. Essa
caracterı́stica é abordada na Seção 6.3.3. Nessa Seção, é apresentado um procedimento para analisar o histórico do “caminho” das soluções. De forma similar, duas
ou mais soluções, se analisadas individualmente, poderiam ser consideradas Divergentes. Essas soluções, ao serem analisadas de forma coletiva, poderiam indicar um
ou mais elementos de convergência.
167
FIGURA 6.5 – Representação das três camadas de representação do Modelo do Aprendiz.
6.3.1
Primeira Camada: Classificação dos Aprendizes a Partir
da Análise Individual da Solução.
No primeiro exemplo da Seção 6.2, o conceito KWK1 é abordado de forma veemente
0
pela solução SEC
, pois ele possui o maior valor de ı́ndice, o valor “2”. O conceito KWK1 é
o elemento central da exploração conceitual da solução. Esse conceito é denominado por
“Conceito Central da Solução”. Conforme ilustrado na Figura 6.6, o Conceito Central da
Solução está localizado na região de convergência.
Os conceitos que são abordados na solução, mas não de forma veemente, nesse caso
KWK2 e KWK4, são denominados de “Conceitos Relevantes da Solução”. Esses possuem
o valor de ı́ndice igual à unidade.
Os conceitos que possuem o valor de ı́ndice igual a zero, não são abordados na solução.
Como exemplo, KWK5 e KWK3 são denominados de “Conceitos Irrelevantes da Solução”
168
por possuı́rem o valor de ı́ndice igual a zero.
A análise dos elementos KWKs comuns entre as Expressões de Conceito de cada
elemento da Matriz de Resposta selecionado, nesse caso, permite identificar uma KWK
comum a todos os elementos selecionados, a KWK1. Esse elemento, ou conceito nesse
caso, recebe a denominação de “Conceito de Convergência”. A Figura 6.6 ilustra esse
exemplo. Nessa Figura, a KWK1 está localizada na Região de Convergência.
FIGURA 6.6 – Representação do exemplo de solução Convergente.
00
No segundo exemplo da Seção 6.2, pode-se constatar para a solução SEC
, a ausência do
“Conceito Central da Solução”, a presença dos “Conceitos Relevantes” { KWK1, KWK2,
KWK3 e KWK5 } e “Conceitos Irrelevantes” {KWK4}, conforme ilustrado pela Figura
6.7.
Os dois exemplos apresentados na Seção 6.2 permitem definir alguns critérios de identificação e classificação dos conceitos em SEC . Os Conceitos Relevantes, Irrelevantes e
Central podem ser identificados de acordo com os seguintes critérios:
169
FIGURA 6.7 – Representação do exemplo de solução Divergente.
• Os conceitos que possuem o valor de ı́ndice igual à unidade, são considerados “Relevantes”, conforme ilustra a Figura 6.8.
• Os conceitos que possuem o valor de ı́ndice nulo, são considerados “Irrelevantes”,
conforme ilustra a Figura 6.8.
• Os conceitos cujo valor de ı́ndice seja diferente de zero, podem ser ordenados de
acordo com a sua relevância para a solução variando, entre os valores “1” até o valor
máximo, conforme ilustra a Figura 6.9.
• O conceito que possuir o maior valor de ı́ndice diferente da unidade ou zero, é considerado “Central”. Um ou mais conceitos podem assumir esse valor. Se esse Conceito
Central estiver em uma região de convergência, a solução pode ser considerada convergente nesse conceito.
• O conceito ou grupo de conceitos que estiverem localizados na região de convergência
são denominados de “Convergentes”.
170
FIGURA 6.8 – Representação da solução do aprendiz Divergente de acordo com os conceitos relevantes e irrelevantes.
Em resumo, o Conceito Central ou grupo desses conceitos podem ser identificados
e ordenados de acordo com o valor do seu ı́ndice i, para as soluções do aprendiz classificadas como Convergentes. Conforme ilustra a Figura 6.9, os conceitos ordenados
KW Ka , KW Kb e KW Kc têm o seu ı́ndice “i” variando respectivamente entre os valores
“1” encontrado em KW Ka até o máximo definido por KW Kc . Nesse exemplo simbólico,
o máximo ı́ndice é definido para KW Kc , logo , esse conceito é denominado de Central.
FIGURA 6.9 – Representação da solução Convergente.
Através da análise da Expressão de Conceitos descrita nesta seção, dois tipos de aprendizes poderiam ser identificados, conforme ilustrado simbolicamente na Figura 6.10. Se o
Conceito Central ou Convergente não puder ser identificado, ou seja, a SEC for formada
apenas por conceitos Relevantes e Irrelevantes, o aprendiz é classificado como Divergente,
conforme ilustra a Figura 6.8. Se, ao menos, um Conceito Central puder ser identificado,
ou seja, aquele cujo valor de ı́ndice é superior a 1, ele pode ser classificado como Conver-
171
gente, conforme ilustra a Figura 6.9.
FIGURA 6.10 – Representação da classificação do aprendiz de acordo com a análise da
solução individual.
A Tabela 6.4 resume, respectivamente, no primeiro e segundo registros, a classificação
0
00
das duas soluções SEC
e SEC
do exemplo considerado. A primeira coluna dessa tabela
registra o número da iteração em que a solução foi apresentada.
No caso descrito, a primeira solução foi considerada pela análise da primeira camada
como Convergente no Conceito Central KWK1. A segunda solução foi considerada Divergente nos conceitos identifiados como relevantes, os conceitos KWK1, KWK2, KWK3
e KWK5.
TABELA 6.4 – Exemplo de Análise e Classificação da
I. Solução SEC
Conceito
Conceito
Central
Relevante
1 11, 18 2.KW K1
+ KWK1
KWK2,
1.KW K2
+
KWK4
0.KW K3
+
1.KW K4
+
0.KW K5
2 11, 13 1.KW K1
+ nulo
KWK1,
1.KW K2
+
KWK2,
1.KW K3
+
KWK3,
0.KW K4
+
KWK5
1.KW K5
Solução do Aprendiz.
Conceito
Classificação
Irrelevante
KWK3,
Convergente
KWK5
KWK4
Divergente
6.3.2
172
Segunda Camada: Classificação dos Aprendizes a Partir
do Histórico de Soluções.
Essa camada permite classificar o aprendiz em Histórico Convergente, Divergente ou
Misto. Se todas as soluções apresentadas pelo aprendiz forem convergentes, então ele é
classificado como Histórico Convergente. Se todas as soluções apresentadas forem divergentes, então ele é classificado como Histórico Divergente. Se o histórico apresentar
soluções convergentes e divergentes, então ele é classificado como Histórico Misto. Apesar dessas três classes básicas, essas classificações poderiam ser configuráveis pelo autor
da atividade instrucional. Por exemplo, a classe “Histórico Misto” poderia ser decomposta
em:
• Mais Convergente, quando o número de soluções convergentes é superior ao número
de soluções divergentes.
• Mais Divergente, quando o número de soluções divergentes é superior ao número de
soluções convergentes.
• Homogênea, quando o número de soluções divergentes iguala ao número de soluções
convergentes.
A Figura 6.11 exemplifica simbolicamente a ocorrência das três classes básicas. O
histórico de soluções é considerado Convergente se todas as “n” soluções armazenadas
foram classificadas individualmente como Convergentes. Por sua vez, as classificações
denominadas Misto e Divergente também são obtidas a partir da análise do histórico de
soluções, conforme exmplificado na Figura 6.11.
173
FIGURA 6.11 – Representação da classificação do aprendiz de acordo com a análise do
histórico de soluções.
6.3.3
Terceira Camada: Classificação dos Aprendizes a partir
do histórico do caminho das soluções
Esta seção descreve como classificar um grupo de soluções de acordo com a idéia de
“caminho”. As soluções são representadas como expressões de conceitos e essas expressões
são analisadas e interpretadas. Para auxiliar nessa descrição, o exemplo ilustrado na Seção
6.2 é utilizado. Nesse exemplo, duas soluções são apresentadas, a saber:
0
SEC = F11 ∧F18
00
SEC = F11 ∧F13
= 2.KWK1 + 1.KWK2 + 0.KWK3 + 1.KWK4 + 0.KWK5
= 1.KWK1 + 1.KWK2 + 1.KWK3 + 0.KWK4 + 1.KWK5
0
Conforme apresentado na Seção 6.3.1, a primeira solução SEC foi classificada como
00
Convergente. Ela converge para o elemento KWK1. A segunda solução SEC foi classificada
como Divergente. A análise das duas soluções forneceria o quadro seguinte:
0
00
SEC ∧ SEC = (F11 ∧ F13 ) ∧ (F11 ∧ F18 )
= 3.KW K1 + 2.KW K2 + 1.KW K3 + 1.KW K4 + 1.KW K5
0
00
A análise coletiva da conjunção das duas soluções SEC e ∧SEC aponta para uma
convergência em {KWK1 e KWK2}. Esses conceitos são comum para as soluções apresentadas. Esse resultado permite inferir e classificar o comportamento desse aprendiz, de
0
acordo com as soluções SEC
e S”EC , como “Caminho Convergente”, o seguinte:
174
Conceito Central das Soluções: {KWK1 e KWK2}.
Conceitos Relevantes: {KWK3, KWK4 e KWK5}.
Conceitos Irrelevantes: nenhum.
A forma de classificação descrita nesta seção não leva em consideração como a solução
é individualmente classificada, considera-se a análise do conjunto de solução. Para quais
elementos do domı́nio as soluções fornecidas pelo aprendiz estão Convergindo ou Divergindo? Por exemplo, uma fictı́cia solução Si poderia ter sido classificada individualmente
como Convergente; uma segunda solução, Sj , como Divergente e a classificação resumo
representada pela terceira camada classificá-la como Convergente ou Divergente, conforme
ilustram respectivamente as Figuras 6.12a) e b).
FIGURA 6.12 – Representação da classificação do aprendiz de acordo com o “caminho de
solução”.
6.3.4
Análise das Classificações
A independência de classificação da i) solução individual, ii) do histórico de soluções
e iii) do “caminho de solução” permite especificar camadas que poderiam ser utilizadas
para classificar os aprendizes, de acordo com a forma de análise:
175
• Individual da solução - Os aprendizes podem ser classificados como Convergentes
ou Divergentes. Essa camada de classificação é denominada de “Solução Individual”.
• Individual dos elementos do histórico - Os aprendizes podem ser classificados
como tendo Histórico Convergente, Divergente ou Misto, conforme ilustrado nas
Tabelas 6.2, 6.1 e 6.3. Esse tipo de classificação é denominado de “Histórico de
Solução”.
• Coletiva do grupo de soluções - Os aprendizes podem ser classificados como
tendo um conjunto Convergente ou Divergente de soluções. Esse tipo de classificação
é denominado de “Caminho de Solução”.
FIGURA 6.13 – Camadas de classificação do aprendiz em atividades instrucionais SC.
A Figura 6.13 procura representar essas três camadas de classificação. Sendo assim,
12 estereótipos de aprendizes são definidos. Esses estereótipos estão listados na Tabela
6.5.
176
TABELA 6.5 – Estereótipos Definidos para o Módulo do Aprendiz
Dimensão
1
2
3
Tipo
D
D
D
DDD
D
D
C
DDC
D
C
D
DCD
D
C
C
DCC
D
M
D
DMD
D
M
C
DMC
C
D
D
CDD
C
D
C
CDC
C
C
D
CCD
C
C
C
CCC
C
M
C
CMC
C
M
D
CMD
6.4
Módulo do Aprendiz do SCAT
O Módulo do Aprendiz é composto pelos módulos ilustrados na Figura 6.14. Nessa
figura, dois grupos de atividades distintas são representados.
O primeiro deles, representado na figura pelos módulos Pesquisador e Atualizador de
Informações do Aprendiz, define as atividades de pesquisa e a atualização das informações
do aprendiz.
O Módulo do Aprendiz armazena dois tipos de informações, a saber:
• Informações Dinâmicas - Esse tipo de informação refere-se à interação entre
aprendiz e o exercı́cio SC. Cada nova solução fornecida gera um novo registro.
• Informações Estáticas - Esse tipo de informação está relacionada às caracterı́sticas do exercı́cio SC. Essas informações são definidas e fornecidas pelo autor da
atividade instrucional SC. Elas são as mesmas para toda a atividade instrucional.
Por exemplo, se um determinado padrão de mensagem for definido e associado ao
aprendiz do tipo CCC, esse padrão será o mesmo durante todo o exercı́cio.
177
O segundo grupo de atividades consiste em identificar qual o modelo de mensagem
que foi definido para o tipo de aprendiz considerado. A Tabela 6.5 armazena os tipos
ou classes de aprendizes. Cada um desses tipos poderia ter um padrão de mensagem
associado a ele. Esse padrão de mensagem é utilizado na construção da mensagem a ser
apresentada ao aprendiz. Essa mensagem é denominada por M ET ERI(2D) .
FIGURA 6.14 – Módulo do Aprendiz.
De maneira geral, os módulos ilustrados na Figura 6.14 e apresentados nas Seções
6.4.1, 6.4.2 e 6.4.3, possuem as seguintes funcionalidades:
• Pesquisador de informações Aprendiz- Resgata essa informações e classifica o aprendiz de acordo com as três camadas descritas na Seção 6.3.
178
• Atualizador de Informações do Aprendiz- Atualiza as informações armazenadas do
aprendiz.
• Pesquisador do Repositório de Padrões- Resgata os padrões de mensagens que estão
armazenadas no repositório. Essas informações são resgatadas de acordo com o tipo
ou classe de aprendiz.
6.4.1
Módulo Atualizador
O Módulo Atualizador é responsável por inserir novas informações do aprendiz sempre que ele fornecer uma nova solução a um exercı́cio. Na Figura 6.15 apresenta-se a
estrutura do registro armazenado referente a uma dada solução do aprendiz. As seguintes
informações são armazenadas:
• Atividade Instrucional SC que está sendo investigada.
• O número do Desafio que está sendo trabalhado.
• A solução apresentada: conjunto de elementos selecionados da Matriz Resposta.
• A regra do Guia de Discussão que foi selecionada.
• A METERI apresentada.
• A estratégia que está sendo empregada pelo aprendiz: duas estratégias são previstas,
a Amplitude e Profundidade, de acordo com os preceitos descritos na Seção 7.3.
• A regra mais próxima da solução do aprendiz. Essa regra é determinada de acordo
com o cálculo da Similaridade ou Dissimilaridade descrito nas Seções 5.2.1 e 5.2.2.
179
• Tipo de solução apresentada. A Seção 2.1.6 descreve dois tipos de soluções possı́veis:
Convergentes e Divergentes.
FIGURA 6.15 – Módulo Atualizador do Modelo do Aprendiz.
6.4.2
Pesquisador do Modelo de Aprendiz
Esse módulo procura classificar o aprendiz de acordo com as três camadas descritas
na Seções 6.3.
A Figura 6.16 ilustra simbolicamente esse módulo. Cada um dos três classificadores
ilustrados nessa figura comporta-se de acordo com os procedimentos descritos na Seções
6.3.1, 6.3.2 e 6.3.3.
De maneira independente, cada classificador ilustrado na Figura 6.16 procura identificar o tipo de aprendiz. Inicialmente, o bloco “Pesquisador do Histórico de Soluções”
lista o conjunto de soluções [ Lsm ] anteriormente apresentadas pelo aprendiz. Cada cópia
dessa lista é encaminhada aos classificadores da segunda e terceira camada. Após cada
180
FIGURA 6.16 – Módulo Pesquisador do Modelo de Aprendiz.
classificação, elas são concatenadas formando a classe ou tipo do aprendiz. O classificador
da primeira camada poderia analisar a solução S e classificá-la como Convergente. O
classificador da segunda camada poderia classificá-lo como Misto e, o da terceira, como
Divergente. O bloco Concatenador, representado por um cı́rculo na Figura 6.16, concatena essas três informações gerando a classificação do aprendiz como CMD, conforme
ilustra a Figura 6.17.
FIGURA 6.17 – Exemplo de Classificação do Módulo Pesquisador do Modelo de Aprendiz.
6.4.3
Pesquisador do Repositório de Padrões
O Pesquisador do Repositório de Padrões tem como objetivo selecionar o padrão de
mensagem que tenha sido definido para o tipo de aprendiz identificado pelo Módulo Pesquisador do Modelo de Aprendiz. De maneira resumida, esse pesquisador representa os
181
padrões de mensagens, para cada tipo de aprendiz listado na Tabela 6.5, em uma estrutura
similar à exemplificada na Tabela 6.6 .
6.4.3.1
Exemplo de Informações Estáticas do Modelo de Aprendiz.
Por exemplo, na Tabela 6.6, imaginam-se alguns padrões de mensagens que poderiam
estar armazenados no Repositório da Figura 6.14 e como esses padrões poderiam estar
relacionados com o tipo de aprendiz CCC e DCC da Tabela 6.5. A diferença entre os
aprendizes do tipo CCC e DCC consiste no resultado da última solução apresentada.
Conforme exemplifica a Tabela 6.6, a segunda dimensão da mensagem é modificada ou
adaptada ao tipo de aprendiz. Esses padrões procuram comentar quais conceitos estão
sendo manipulados pelo aprendiz. Outros padrões poderiam ter sido imaginados, conforme
apresentado na Seção 7.1.4. Por exemplo, essas mensagens poderiam sugerir ações ou
questionar idéias.
Fica registrado que a ausência de informações no histórico do aprendiz acarretará que
M ET ERI2D não contenha informação alguma, ou seja M ET ERI2D = {}. Caso contrário, propõe-se para a formação da M ET ERI2D a concatenação das mensagens referentes
a cada uma das três camadas. Ou seja, M ET ERI2D = [M ensagemP rimeiraCamada] +
[M ensagem Segunda Camada] + [M ensagem T erceira Camada] .
Primeira Camada
{A solução apresentada indica uma investigação profunda do conjunto de
conceitos formado por } + {lista de
KWK central da solução}.
{A solução apresentada indica uma investigação superficial do(s) conceito(s)
} + {lista de KWK relevantes da solução}.
Tipo
CCC
DCC
Segunda Camada
{A análise das outras soluções apresentadas e armazenadas no seu histórico
indica que o(s) conceito(s)} + {lista de
KWK central de cada solução armazenada no histórico} + { já foi (foram)
investigado(s) de forma profunda, o que
não significa que você não deva explorálo(s) ainda em uma nova solução. Outro aspecto observado é a investigação
superficial do(s) conceito(s) } + {lista
de KWK relevantes de cada solução armazenada no histórico}.
{ A análise das outras soluções apresentadas e armazenadas no seu histórico
indica que o(s) conceito(s) } + {lista de
KWK central de cada solução armazenada no histórico} + { já foi (foram)
investigado(s) de forma profunda, o que
não significa que você não deva explorálo(s) ainda em uma nova solução. Outro aspecto observado é a investigação
superficial do(s) conceito(s) } + {lista
de KWK relevantes de cada solução armazenada no histórico}.
{Outros dois aspectos necessitam ser
destacados: 1) O(s) conceito(s) } +
{lista de conceito central comum a todas as Soluções Armazenadas} + { tem
(têm) estado presente na maioria das
soluções apresentadas e 2) O(s) } +
{lista de conceitos relevantes das soluções armazenadas} + { tem (têm) sido
abordado(s) esporadicamente em suas
soluções.}
Terceira Camada
{Outros dois aspectos necessitam ser
destacados: 1) O(s) conceito(s)} +
{lista de conceito central comum a todas as Soluções Armazenadas} + {
tem (têm) estado presente(s) na maioria das soluções apresentadas e 2) O(s)}
+ {lista de conceitos relevantes das soluções armazenadas} + { tem (têm)
sido abordado(s) esporadicamente em
suas soluções.}
TABELA 6.6 – Exemplo de possı́veis padrões de mensagens que poderiam estar associados aos aprendizes do tipo CCC e DCC.
182
183
Por exemplo, depois de um certo conjunto de interações entre um determinado aprendiz
e um dos Desafios SC ilustrados no Apêndice A, o seguinte trecho de mensagem poderia
ser apresentado para um aprendiz do tipo CCC:
A solução apresentada indica uma investigação profunda do conceito {taxas
e impostos}.
A análise das outras soluções apresentadas e armazenadas no seu histórico
indica que o(s) conceito(s) {quota}, {roupas} e {monopólio} já foi (foram) investigado(s) de forma profunda, o que não significa que você não deva explorálo(s) ainda em uma nova solução. Outro aspecto observado é a investigação
superficial do(s) conceito(s) {roupas fora do tamanho}.
Outros dois aspectos necessitam ser destacados: 1) O(s) conceito(s) {Mercadores Aventureiros} tem (têm) estado presente(s) na maioria das soluções
apresentadas e 2) O(s) conceito(s) {dinheiro} e {moeda} tem (têm) sido abordado(s) esporadicamente em suas soluções.
A mensagem referente à regra do Guia de Discussão, a M ET ERI1D foi omitida do
quadro anterior por não ser função direta do tipo de aprendiz, mas sim da solução apresentada.
6.5
Conclusão
Este capı́tulo apresentou uma forma de classificar os aprendizes durante a execução
de um exercı́cio SC. Conforme apresentado na Seção 6.1, busca-se classificar o aprendiz
de acordo com a convergência ou divergência de conceitos empregados na solução. Nesse
contexto, o aprendiz não é classificado de acordo com a sua maestria no domı́nio ou
184
na perı́cia do ITS, conforme relatados por outros ambientes computacionais tais como
Arruarte et al. (2003) e Murray (2003).
Com essa classificação, pôde-se especificar a segunda dimensão do conceito de Tetradimensonalidade das Mensagens de Retorno de Interação. Apesar do que está desenvolvido
neste capı́tulo, é difı́cil imaginar qual o benefı́cio real de apresentar ao aprendiz a mensagem, exemplificada em destaque, no quadro da página 183. Apesar desse benefı́cio questionável, o mecanismo desenvolvido para adaptar a mensagem de acordo com o tipo de
aprendiz continua sendo válido. Um determinado professor-autor poderia definir padrões
que melhor se adaptem ao domı́nio, ou isso poderia ser objeto de investigação futura.
7 Módulo de Orientação
Define-se neste capı́tulo mecanismos automatizados que sejam capazes de selecionar
e estruturar a METERI a ser apresentada em decorrência da solução apresentada pelo
aprendiz. Além desse aspecto, considera-se a METERI como um elemento catalizador
para a exploração gradativa às mensagens armazenadas na seção Guia de Discussão.
Esse conjunto de procedimentos compõe o bloco Módulo de Orientação do SCAT,
ilustrado na Figura 1.1. Para descrever esse conjunto de procedimentos, este capı́tulo está
estruturado da seguinte forma:
• A Seção 7.1 mostra que a mensagem formadora do diálogo aprendiz-tutor poderia
possuir quatro dimensões e assumir o papel de conduzir ou orientar o aprendiz
durante a execução da atividade instrucional.
• A Seção 7.2 apresenta alguns aspectos considerados para a definição dos mecanismos
automatizados.
• A Seção 7.3 apresenta um modelo de mecanismo de estruturação de mensagem que
seleciona elementos do domı́nio que deveriam ser analisados pelo aprendiz.
• A Seção 7.4 apresenta alguns modelos de estruturação de mensagens que poderiam
ser utilizados com a finalidade de conduzir o aprendiz a explorar todo o universo de
CAPÍTULO 7. MÓDULO DE ORIENTAÇÃO
186
regras do Guia de Discussão.
• Na Seção 7.5, definem-se os critérios para seleção das regras do Guia de Discussão
em função de uma possı́vel solução.
• A Seção 7.6 descreve o Módulo de Orientação do SCAT.
• A Seção 7.7 finaliza este capı́tulo.
7.1
O Espaço Tetradimensional das Mensagens Textuais de Retorno de Interação
Essa seção expande o que é apresentado por Egan (1976), descrevendo outras possı́veis funcionalidades ou dimensões na METERI. Segundo Egan, a METERI deve apenas
comentar a solução apresentada pelo aprendiz, fornecendo a opinião do especialista do
domı́nio ou do professor para o Desafio investigado. No contexto definido por Egan, esses
comentários limitam-se a justificar a presença ou ausência de um conjunto de elementos
da Matriz de Resposta na solução.
Nesse novo contexto, a M ET ERI é função de quatro dimensões, a saber:
• O que foi apresentado
• Quem apresentou
• Por que foi apresentada
• Quem fornece a METERI
Essas quatro dimensões estão detalhadas em seguida.
7.1.1
187
A Primeira Dimensão - A Mensagem Textual de Retorno
de Interação é Função da Solução Apresentada
Seja S o conjunto de soluções que poderiam ser apresentadas durante a execução de um
exercı́cio SC. Cada Si , para i variando de 0 a n, corresponde aos pré-requisitos necessários
para a seleção de uma especı́fica METERI do Guia de Discussão. Esse relacionamento
poderia ser representado graficamente, conforme ilustra a Figura 7.1.
De acordo com o exemplo simbólico da Figura 7.1, se o aprendiz apresentar uma
solução qualquer Si , esse sistema apresentará a M ET ERIi ; se for a Sj , a M ET ERIj ,
e assim sucessivamente. Essa funcionalidade é representada na SC pela seção Guia de
Discussão através das Regras do Guia de Discussão e seus respectivos comentários.
FIGURA 7.1 – Espaço das Soluções e METERIs
Logo, a M ET ERI é função da solução S apresentada na solução i, conforme representa
a Equação 7.1 e a Figura 7.1:
M ET ERIi = f ( Si )
onde 0 ≤ i ≤ m corresponde à solução apresentada.
(7.1)
7.1.2
188
A Segunda Dimensão - A Mensagem Textual de Retorno
de Interação como Função de Quem Apresentou a Solução
A M ET ERI poderia ainda ser função do estereótipo do aprendiz. Ou seja, a M ET ERI
apresentada ao aprendiz identificado como Convergente, poderia destacar aspectos relativos aos elementos de convergência, por exemplo. A M ET ERI apresentada ao aprendiz
identificado como Divergente, poderia destacar aspectos relativos aos elementos de divergência.
Essa caracterı́stica permite adicionar uma segunda dimensão à METERI. Essa dimensão é entitulada por Student Model ou simplesmente SM . Essa nova dimensão expande
a representação gráfica da Figura 7.1. Essa nova dimensão está ilustrada na Figura 7.2
e na Equação 7.2. A Figura 7.2 utiliza as categorias Convergentes e Divergentes para
representar a possı́vel diversidade de METERIs.
M ET ERIi = f (Si , SMi )
(7.2)
FIGURA 7.2 – Representação Gráfica das soluções, das mensagens e do tipo de aprendiz.
189
Em resumo, a Figura 7.2 e a Equação 7.2 representam as METERIs como função de
duas dimensões, a saber:
• Da solução Si -“o que foi apresentado”.
• Do perfil do aprendiz SMi - “quem apresentou”.
Os estereótipos de aprendizes poderiam ser quaisquer, desde que apropriados à finalidade da atividade instrucional ou do exercı́cio. Por exemplo, categorias como “Convergente Novato”, “Convergente Intermediário”, “Convergente Avançado”,“Divergente Novato”, “Divergente Intermediário” e “Divergente Avançado” poderiam ser empregadas sem
que essa segunda dimensão perca a sua validade.
7.1.3
A Terceira Dimensão - A Mensagem Textual de Retorno
de Interação Como Função do Histórico de Soluções.
Durante a execução de um exercı́cio SC, um determinado aprendiz pode acessar as
METERIs armazenadas no Guia de Discussão. A cada interação i, o aprendiz acessa
uma parte das METERIs armazenadas no Guia de Discussão, conforme descrito na Seção
7.1.1.
Seja P athi uma possı́vel seqüência desses acessos, o conjunto de todas as seqüências
possı́veis é finito e poderia ser representado da seguinte forma:
P ath = { P ath0 , P ath1 , P ath2 , P ath3 , P athn , }.
P athi determina quais METERIs necessitam ser acessadas pelo aprendiz e qual a
provável ordem. Essa nova dimensão está relacionada à função de conduzir o aprendiz ao
190
término do exercı́cio. Logo, a M ET ERI, além de ser função da solução S, do modelo ou
perfil do aprendiz SM , ela também será função do caminho de soluções P ath percorrido,
conforme ilustra a Equação 7.3.
M ET ERIi = f ( Si , SMi , P athi )
(7.3)
Em resumo, a Equação 7.3 representa a M ET ERI como função de três dimensões, a
saber:
• Da solução Si - “o que foi apresentado”
• Do perfil do aprendiz SMi - “quem apresentou”
• Do caminho P athi - “por que foi apresentada”
7.1.4
A Quarta Dimensão - A Mensagem Textual de Retorno
de Interação Como Função do Autor
A quarta dimensão está baseada nos resultados obtidos por Goodman et al. (1998).
Esses autores identificaram diferenças no comportamento de aprendizes quando a mensagem de retorno de interação era fornecida por um ITS ou por um companheiro virtual ou
(Learning Companion - LC). Goodman e seus colaboradores constataram o seguinte:
• ITSs tendem a fornecer mensagens factuais ou baseadas em fatos.
• Um LC fornece a mesma informação que o ITS com a vantagem adicional de sempre
convidar o aprendiz para uma conversa. Isso encoraja o aprendiz a explicar, articular e raciocinar sobre uma idéia ou conceito errôneo. Goodman et al. destacam
191
ainda o papel da atividade colaborativa na construção de argumentos pelo LC tendo
proposto as seguintes categorias:
Executor: sugere possı́veis soluções ou ações.
Crı́tico: questiona sobre idéias, planos ou intenções.
Instrutor: explica e esclarece conceitos.
Registrador: acompanha a conversa entre os membros do grupo.
Conciliador: resolve conflitos.
A quarta dimensão é função de quem fornece a mensagem W hoi . O valor que esse
parâmetro pode assumir poderia variar de IT S a LC, por exemplo. A função formadora
da M ET ERI assume, então, a forma definitiva apresentada na Equação 7.4.
M ET ERIi = f ( Si , SMi , P athi , W hoi )
7.1.5
Conclusão
As quatro dimensões da METERI descritas estão resumidas na Tabela 7.1.
TABELA 7.1 – Composição da M ET ERI(f inal) .
METERI
1D
2D
3D
4D
M ET ERI
Fonte
METERI associada à regra selecionada.
Mensagem textual gerada a partir do resultado de análise do histórico de soluções.
Mensagem textual gerada a partir da definição de objetivos da orientação.
Modelos de Mensagens armazenados.
M ET ERI1D + M ET ERI2D + M ET ERI3D +
M ET ERI4D
(7.4)
7.2
192
Condução de Exercı́cios SC
A SC, conforme foi apresentada por Egan (1976), não especifica como um possı́vel
aprendiz poderia ser conduzido ou orientado durante a execução da atividade instrucional.
De acordo com o relato de Egan, essa orientação deve ser realizada por um professor
humano durante a execução da atividade instrucional. A execução de um exercı́cio SC
com a supervisão de um professor poderia evitar algumas das dificuldades operacionais
descritas na Seção 3.5.
Nesse contexto, a M ET ERI é formada por duas partes. A parte definida pelo autor do
exercı́cio e outra criada pelo SCAT com a finalidade de conduzir ou oreintar o aprendiz.
Verificar se a M ET ERI atinge aos seus objetivos não é propósito deste trabalho de
pesquisa. O propósito está limitado apenas na identificação de quais elementos do domı́nio
poderiam estar contidos nessas mensagens.
7.3
A METERI e a Função Condutora do Aprendiz
para o término do Exercı́cio
Dois modos de condução são definidos a partir dos estilos cognitivos descritos na Seção
6.3, a saber:
• Profundidade- Um pequeno grupo de conceitos e seus relacionamentos são analisados de forma profunda ou completa pelo aprendiz. O conceito ou grupo de conceitos
é identificado através da busca do elemento ou conceito mais significativo ou Conceito Relevante. Nesse modo de condução, é esperado que o aprendiz apresente
as caracterı́sticas Convergentes descritas por Bahar (1999). O aprendiz irá esgotar
193
todas as possibilidade de uso e relacionamento de um determinado conceito ou pequeno grupo de conceitos antes de abordar de forma profunda um outro conceito ou
grupo.
• Amplitude- Os conceitos ou grupos de conceitos e seus relacionamentos são analisados alternadamente sem haver um estudo aprofundado de um grupo. Esses grupos
são identificados através do resultado da busca dos conceitos ou grupo de conceitos
menos significativos na solução do aprendiz, ou Conceitos Irrelevantes. Nesse caso, o
aprendiz pode apresentar as caracterı́sticas Divergentes descritas por Bahar (1999)
nesses conceitos. O aprendiz irá explorar, de forma alternada, diversos conceitos
ou pequenos grupos de conceitos sem esgotar todas as possibilidades de seu uso e
relacionamento.
7.4
Caracterı́sticas do Conteúdo da METERI
O conteúdo da mensagem também poderia ser baseado no trabalho de Toulmin (1969).
Apesar da classificação de Toulmin ter sido utilizada em diversos ambientes tais como o
Belvedere (SUTHERS et al., 2001), Amelsvoort e Muneke (2005) optaram por não utilizar
essa classificação devido à complexidade que ela envolve.
Noronha e Fernandes (2006b) basearam-se no trabalho de Goodman et al. (1998)
para definir modelos de mensagens para ser utilizado em exercı́cios de SC. Os modelos de
mensagens são agrupados em categorias, de acordo com algumas possı́veis estratégias, a
saber:
• Sugerir possı́veis ações- Sugere que o aprendiz insira novos elementos ou retire
alguns elementos da solução.
194
• Questionar sobre idéias planos e intenções- Questiona as idéias apresentadas
pelo aprendiz em sua solução.
• Explicar e esclarecer conceitos- Exclarece ou discrimina conceitos.
O modelo computacional descrito neste trabalho de pesquisa poderia trabalhar tanto
com o modelo de Toulmin (1969) quanto com o apresentado por Noronha e Fernandes
(2006b). Como o modelo de Toulmin necessitaria ainda da definição de alguns modelos
de mensagens, o modelo de Noronha e Fernandes (2006b), que já possui alguns modelos
definidos, foi o escolhido. A Seção 7.6.7.1 exemplifica e expande alguns dos modelos
definidos no trabalho de Noronha e Fernandes.
Os exemplos de modelos de mensagens utilizados nesta pesquisa estão apresentados
nas Seções 7.6.7.1 e 7.6.7.2 e correspondem à quarta dimensão da METERI. Eles têm
apenas a finalidade ilustrativa e são resultados de exercı́cios de criatividade.
A definição desses modelos poderia ficar para configuração do autor do exercı́cio e
constitui um possı́vel trabalho futuro.
7.5
Critério de ordenação e seleção das Regras do
Guia de Discussão
Ao comparar a solução fornecida pelo aprendiz com as regras do Guia de Discussão,
busca-se inicialmente identificar qual regra R contém a totalidade dos elementos do domı́nio abordado pela solução S do aprendiz, ou seja R ≡ S, caso não seja localizada nenhuma
regra com essa caracterı́stica, busca-se em seguida R ⊂ S. Caso ainda não seja encontrada
regra alguma, busca-se identificar qual regra é a mais próxima da solução do aprendiz, ou
195
seja S ⊂ R; quais as regras que apresentam apenas alguns elementos em comum com a
solução do aprendiz, ou seja R ∩ S 6= ; e por último, quais regras não possuem nenhum
elemento em comum com a solução do aprendiz. R ∩ S = . A prioridade de seleção da
regra do Guia de Discussão, definida neste trabalho, é apresentada na Figura 7.3.
FIGURA 7.3 – Prioridade de seleção de regra do Guia de Discussão.
A Subseção 7.5.1 descreve como a ordem de prioridade de uma regra pode ser identificada através dos parâmetros BSR apresentados na Seção 5.2.2. A Subseção 7.5.2 define
quando a M ET ERI(1D) poderá ser formada pela METERI associada à regra selecionada.
7.5.1
Como Identificar a Ordem de Prioridade da Regra
A Figura 7.3 apresenta a ordem, definida neste trabalho de pesquisa, de seleção de
regra a ser utilizada no ambiente computacional. Identificar a prioridade de seleção de
uma regra R em função da solução S, conforme apresentado na Figura 7.3, pode ser
196
realizada através da análise dos parâmetros B00 , B11 , B01 e B10 apresentados na Seção
5.2.2. Diferentemente de Noronha et al. (2004) que utilizou um sistema especialista
baseado em regras de produção para identificar a METERI a ser apresentada, o seguinte
procedimento de ordenação baseado nos parâmetros BSR é proposto:
1. Se B11 6= 0 então S e R possuem alguns elementos em comum.
(a) Se B11 + B00 = L, onde L é o tamanho de S e R, então R ≡ S. Logo, S e R
apresentam os mesmos elementos.
(b) Se B01 = 0, então R ⊂ S. Logo, todos os elementos de R estão contidos em S.
S pode possuir alguns elementos que não estão contidos em R.
(c) Se B10 = 0, então S ⊂ R. Logo, todos elementos de S estão contidos em R,
mas R pode possuir alguns elementos que não estão contidos em S.
(d) Se B10 6= 0 e B01 6= 0 então R 6⊂ S, S 6⊂ R e R ∩ S 6= . Logo, R e S possuem
alguns elementos em comum.
2. Se B11 = 0 então R ∩ S = . S e R não possuem elementos em comum.
7.5.2
Identificação da M ET ERI(1D) e o Critério de Seleção da
Regra
De acordo com o apresentado na Seção 5.3, as regras podem ser classificadas conforme
o conteúdo da METERI em dois tipos, a saber:
• Exata - Todos os elementos previstos na regra necessitam estar presentes para que
a mensagem seja apresentada.
197
• Próxima - Nem todos os elementos previstos na regra necessitam estar presentes
para que a mensagem seja apresentada.
Se uma regra selecionada for do tipo Exata e a solução não possuir todos os elementos
da Matriz de Resposta previstos na regra, deveria a METERI, associada à regra, compor
a componente M ET ERI(1D) ? Para preencher esse tipo de lacuna, a Tabela 7.2 foi criada
e definida:
TABELA 7.2 – Composição da M ET ERI(1D) .
TIPO de
REGRA
R≡S
EXATA
METERI
PRÓXIMA METERI
R⊂S
S⊂R
METERI
METERI
nenhuma
METERI
R 6⊂ S,
S 6⊂ R e
R ∩ S 6= nenhuma
METERI
R∩S =
nenhuma
nenhuma
De acordo com o especificado na Tabela 7.2, quando uma regra EXATA for selecionada
de acordo com os critérios R ≡ S e R ⊂ S, a M ET ERI(1D) será formada pela METERI
associada à regra. Em qualquer outra situação, a M ET ERI(1D) será nula. Quando
uma regra PRÓXIMA for selecionada, a M ET ERI(1D) será nula apenas para o critério
R ∩ S = .
7.6
Módulo de Orientação
O Modelo de Interação proposto neste trabalho está estruturado em módulos. Esses
módulos estão apresentados na Figura 7.4.
FIGURA 7.4 – Estrutura do Módulo de Orientação
198
199
De forma resumida, esse modelo procura definir um fluxo ou conjunto de ações que poderiam possibilitar a execução automatizada de um exercı́cio SC. A Figura 7.5 representa
graficamente esse fluxo de ações. Esse fluxo de ações consiste nos seguintes procedimentos:
1. Identificar a regra mais apropriada que será apresentada ao aprendiz é a função do
bloco “Analisador da Solução” do Módulo de Orientação. Para realizar essa tarefa,
o “Analisador da Solução” acessa o Guia de Discussão através do bloco “Gerente de
Regras” do Módulo do Especialista.
2. Classificar a solução apresentada em Divergente ou Convergente e identificar os
elementos KWK abordados na solução. Nessa tarefa, o “Analisador da Solução”
comunica-se com o bloco “Tradutor” do Módulo do Domı́nio e busca informações
especı́ficas da representação do domı́nio.
3. Extrair da regra identificada, a primeira dimensão denominada por M ET ERI(1D) .
Ela, de acordo com o definido na Tabela 7.2, poderá compor a M ET ERI a ser
apresentada ao aprendiz.
4. Identificar novos objetivos de orientação. Duas estratégias de identificação de objetivos podem ser utilizadas, a saber:
(a) Redutora de Diferenças. O objetivo é a redução das diferenças entre os elementos da regra selecionada e da solução apresentada pelo aprendiz. A necessidade
dessa estratégia origina-se quando a regra possui o atributo de ser “Exata”,
conforme descrito na Seção 5.4. Ou seja, todos os elementos necessitam estar
presentes e existem diferenças entre a solução apresentada e essa regra.
(b) Encaminhadora- O objetivo é que o aprendiz apresente uma nova solução na
200
próxima interação, que permita selecionar uma outra regra do Guia de Discussão que ainda não tenha sido selecionada.
5. O módulo “Identificador de Novos Objetivos” procura identificar elementos do domı́nio ou KWK(s) para a formação do componente M ET ERI(3D) . Esse conjunto e
o tipo de estratégia utilizada, Redutora ou Encaminhadora são enviados ao módulo
“Gerador de Dicas Condutivas” que irá construir a M ET ERI(3D) de acordo com essas informações. Esse texto é construı́do a partir de modelos previamente definidos
e armazenados no repositório “Modelos de Mensagens”. O módulo “Pesquisador do
Modelo do Aprendiz” é acionado em seguida.
6. O módulo “Pesquisador do Modelo do Aprendiz” identifica os três nı́veis de classificação do aprendiz, conforme descrito na Seção 6.3.
7. As informações coletadas pelo módulo “Pesquisador do Modelo do Aprendiz” são encaminhadas aos módulos “Gerador de Textos a Respeito do Desempenho do Aprendiz” e “Identificador de Novos Objetivos”. Essas informações contêm os elementos
do domı́nio (KWKs) trabalhados e a classificação do aprendiz nos três nı́veis descritos na Seção 6.3. O módulo “Gerador de Textos a Respeito do Desempenho do
Aprendiz” constrói a M ET ERI(2D) a partir de modelos armazenados no repositório
“Modelos de Mensagens” e da classificação do aprendiz.
8. Atualizar o histórico do aprendiz com informações a respeito da solução S, regra
selecionada R, a M ET ERI(f inal) apresentada, a classificação da solução S entre
outras informações definidas na Seção 6.4.1.
201
FIGURA 7.5 – Fluxo de ações do Módulo de Orientação
7.6.1
Funcionamento do Módulo de Orientação
O aprendiz submete uma solução para análise, essa solução é encaminhada ao Módulo
de Orientação da Figura 7.4. O retorno dessa análise é um texto, denominado neste
trabalho de pesquisa de M ET ERI(f inal) . A composição da M ET ERI(f inal) é apresentada
na Tabela 7.1.
Nesse contexto, a M ET ERI(f inal) vai muito além do que é apresentado pela técnica SC
202
através das mensagens associadas às regras. A M ET ERI(f inal) poderia, além de comentar
a solução apresentada, possibilitar a condução ou orientação do aprendiz a apresentar
novas soluções, tendo, assim, acesso gradativo a todas as mensagens armazenadas no
Guia de Discussão.
As Subseções 7.6.2 a 7.6.8 descrevem as partes que compõem o Módulo de Orientação
ilustrado na Figura 7.4. Durante a descrição desses módulos, considera-se o exemplo de
atividade instrucional SC do Apêndice A.
A Figura 7.6 apresenta, de maneira detalhada, os procedimentos do módulo Analisador
da Solução. Cada processo é numerado e esse número é utilizado como auxı́lio na descrição
textual do módulo.
7.6.2
Analisador da Solução
O Analisador da Solução pode ser representado pelos seguintes submódulos, conforme
ilustra a Figura 7.7: Tradutor, Ordenador de Regras e Filtro de Regras.
O objetivo do analisador é expresso pelo seguinte procedimento:
1. Traduzir a solução S para os formatos a serem utilizados pelo SCAT.
2. Ordenar as regras do Guia de Discussão de acordo com a sua Similaridade ou Dissimilaridade com a solução.
3. Retirar das regras ordenadas aquelas cuja METERI já foi apresentada ao aprendiz.
4. Selecionar a regra mais próxima da solução do aprendiz.
Cada submódulo representado na Figura 7.7 foi explorado nas próximas subseções.
O submódulo Tradutor apresentado na Seção 4.6 foi resumido na Seção 7.6.2.1 pois ele
203
FIGURA 7.6 – Modelo para identificar a regra mais apropriada entre as regras armazenadas no Guia de Discussão.
204
FIGURA 7.7 – Módulo Analisador da Solução
interage com os submódulos que compõem o Analisador da Solução. As Seções 7.6.2.2 e
7.6.2.3 descrevem o funcionamento respectivamente dos submódulos “Ordenador de Regras” e “Filtro de Regras” ilustrados na Figura 7.7.
Apesar de representado na Figura 7.7, o submódulo “Pesquisador do Histórico de
Soluções do Aprendiz” corresponde ao submódulo ”Pesquisador do Histórico de Soluções”,
apresentado na Seção 6.4.2. Esse módulo está novamente ilustrado na Figura 7.7 apenas
para representar a interação entre o Módulo de Orientação e do Aprendiz do SCAT.
7.6.2.1
Tradutor
O módulo Tradutor está explicado em detalhes na Seção 4.6. Resumidamente, o
módulo Tradutor fornece uma saı́da estruturada e composta com as seguintes informações:
• A própria solução fornecida.
• A expressão de conceitos da solução apresentada. Essa informação foi denominada
por SEC .
• A solução traduzida para um vetor binário. Essa informação foi denominada por
205
S01 .
• A solução traduzida para um vetor ordenado. Essa informação foi denominada por
S−> .
Essa saı́da foi representada no formato de frames, da seguinte forma:
[S] = hh Solução ih SEC ih S01 ih S−> ii
O Módulo Tradutor está representado na Figura 7.6 pelo elemento ou retângulo número
1.
7.6.2.2
Ordenador de Regras
Dada uma solução qualquer a um Desafio, a lista de regras do Guia de Discussão de
um exercı́cio SC pode ser ordenada de acordo com o critério de Similaridade ou Dissimilaridade entre a solução e a regra. Esse valor pode ser calculado de acordo com as
expressões apresentadas nas Tabelas 5.3 e 5.4. Os elementos número 2, 3 e 4 da Figura
7.6 representam essas ações. O elemento número 3, da Figura 7.6, é formado pela identificação da expressão definida para o cálculo da Similaridade ou Dissimilaridade (retângulo
3.1) e pelo procedimento cálculo (retângulo 3.2).
A lista de regras ordenadas de acordo com esse critério é denominada por [Lg]. Por
exemplo, [Lg] = [ Ra Rb Rc Rd Re ], sendo Ra a regra mais próxima ou similar da solução
e Re a mais distante ou mais dissimilar.
7.6.2.3
206
Filtro de Regras
O módulo Filtro de Regras procura identificar as regras que mais se aproximam da
solução apresentada e que ainda não tenham sido selecionadas, ou seja, que ainda não
estejam na lista [Lsm] de regras armazenadas no Histórico de Soluções do Aprendiz.
O elemento número 5 da Figura 7.6 representa a operação desse módulo. Uma lista
de regras [Lg] é comparada com outra lista de regras, a [Lsm]. A segunda lista, a [Lsm]
é formada pelas regras que constam no histórico de soluções do aprendiz para o desafio
considerado. O resultado dessa comparação é uma lista denominada por [Lg - Lsm], que
é formada por todas os elementos de [Lg] que não estão armazenados em [Lsm]. Por
exemplo, se [Lg] = [R1 R3 R5 R4] e [Lsm] = [R3], o resultado [Lg - Lsm] seria igual a [R1
R5 R4].
A lista ordenada [Lg - Lsm] pode conter nenhum, um ou vários elementos. Caso a
lista seja nula, isso significa que não há mais METERIs no Guia de Discussão a serem
apresentadas ao aprendiz, ou seja, o exercı́cio está encerrado. Condição verificada no
elemento número 6 da Figura 7.6.
Caso a lista [Lg-Lsm] não seja nula, seleciona-se a regra R mais próxima da solução S,
ou seja, o primeiro elemento dessa lista. O elemento número 7, da Figura 7.6, representa
essa ação. Os elementos número 9, 10, 11, 12 procuram identificar o relacionamento entre
S e a regra R, de acordo com o descrito na Subseção 7.5.1.
Como pode-se observar, a regra selecionada pode não apresentar todos os elementos
exigidos como pré-requisitos dessa regra, por exemplo S ⊂ R ou “ R ∩ S 6= , R 6⊂ S e
S 6⊂ R”. Sendo assim, o sistema verifica, na regra, se o atributo “Estratégia de Seleção”,
descrito na Seção 5.6.1, possui o valor “Exata”. Caso possua, isso significa que a METERI
207
associada a essa regra somente deverá ser apresentada se a solução apresentar todos os
elementos selecionados. Nesse caso a METERI não poderá ser apresentada, conforme
definido na Tabela 7.2.
7.6.3
Identificador de Novos Objetivos
O módulo Identificador de Novos Objetivos pode ser representado por dois submódulos,
conforme ilustra a Figura 7.8:
• Redutor de Diferenças- Dispositivo que é acionado se, e somente se, a regra selecionada R possuir o atributo de ser Exata, conforme descrito na Seção 5.4.
• Selecionador de Próximo Alvo- Dispositivo que sempre é acionado.
O Redutor de Diferenças procura o seguinte:
1. Comparar a solução e a regra selecionada R.
2. O resultado dessa comparação fornece o seguinte:
(a) Quais elementos da solução S também estão contidos em R. Essa informação é
registrada pela lista “[AND]”.
(b) Quais elementos da solução S não estão contidos em R. Essa informação é
registrada pela lista “[XOR]”.
(c) Quais elementos de R não estão contidos na solução S. Essa informação é
registrada pela lista “[XOR’]”.
(d) Quais elementos da solução S que estão posicionados fora da ordem apresentada
em R. Essa informação é registrada pela lista “[XOR”]”.
208
FIGURA 7.8 – Módulo Identificador de Novos Objetivos
3. Identificar, através do componente localizador de METERIs no Guia de Discussão METERIs que estejam associadas a regras que possuam, de forma exata, os
elementos das listas [AND], [XOR], [XOR’] e [XOR”].
209
O Selecionador de Próximo Alvo, de acordo com as duas estratégias descritas na Seção
7.3, procura fazer o seguinte:
1. Identificar o tipo de aprendiz.
2. Se o aprendiz for classificado como Convergente, ele irá identificar a regra mais
próxima da solução apresentada. Nessa modalidade, o ambiente estará utilizando a
estratégia em Profundidade.
3. Se o aprendiz for classificado como Divergente, ele irá identificar a regra mais distante da solução apresentada. Nessa modalidade, o ambiente estará utilizando a
estratégia em Amplitude.
4. Qualquer que seja a regra, ela é identificada como R(next) , caracterizando o próximo
alvo.
7.6.3.1
Localizador de METERIs
O mecanismo denominado por “Localizador de METERI” procura identificar no repositório “Regras do Guia de Discussão”, a METERI cuja regra associada case com uma lista
de elementos, conforme ilustra a Figura 7.9. Esse mecanismo poderia ser um Casamento
de Padrões.
FIGURA 7.9 – Mecanismo Localizador de METERI
7.6.4
210
Pesquisador do Modelo do Aprendiz
O Pesquisador do Modelo do Aprendiz é um dos módulos do Modelo do Aprendiz
apresentado na Seção 6.4 deste documento.
7.6.5
Gerador de Dicas Condutivas
O objetivo desse módulo é estruturar mensagens de acordo com as estratégias “Redutora de Diferenças” e ”Encaminhadora”. Essas estratégias possuem, como alvo, uma regra
do Guia de Discussão, conforme ilustrado na Figura 7.10. O objetivo é estruturar um
fragmento de texto ΦA de acordo com a diferenca ∆R identificada, onde ΦA constitui a
dica ou mesagem condutiva M ET ERI3D .
FIGURA 7.10 – Diferenças entre a solução apresentada e uma determinada regra.
O Gerador de Dicas Condutivas recebe do módulo Identificador de Objetivos os seguintes dados:
• Lista [AND]
• Lista [XOR] + METERI(XOR)
211
• Lista [XOR’] + METERI(XOR’)
• Lista [XOR”] + METERI(XOR”)
• Tipo de Aprendiz.
• O próximo alvo, ou seja, a regra R(next).
A Figura 7.11 ilustra o processo de tomada de decisão deste módulo. Conforme ilustrado, o gerador verifica inicialmente se o conteúdo das listas [XOR], [XOR’] ou [XOR”]
não é nulo. Essas listas armazenam os elementos distintos entre a solução apresentada
e a regra selecionada. Se essas três listas forem nulas, o gerador irá trabalhar apenas
com a regra R(next). Essa regra foi selecionada a partir da lista [Lg-Lsm], podendo ser
o primeiro elemento ou o último elemento dessa lista de acordo com a classificação do
aprendiz, se Convergente ou Divergente.
O conjunto de elementos formado pelas listas [AND], [XOR], [XOR’] e [XOR”] e a
regra R(next) são encaminhados para o módulo “Tradutor para Expressão de Conceitos”
(“Tradutor EC”), conforme ilustra a Figura 7.12. Esse módulo fornecerá a expressão de
conceitos que indica quais os elementos conceituais deverão ser abordados no texto. Caso
o módulo “Localizador de METERIs”, apresentado na Figura 7.9, consiga identificar alguma regra especı́fica para os elementos das listas [XOR], [XOR’] e [XOR”], essa METERI
será disponibilizada pelo módulo “Gerador de Texto”. Caso nenhuma METERI seja identificada para os elementos dessas listas, o módulo “Gerador de Texto” irá estruturar e
disponibilizar um fragmento de texto que aborde os elementos conceituais representados
na expressão de conceitos. Os modelos de mensagens são armazenados no repositório
“Modelos de Mensagens”.
212
FIGURA 7.11 – Representação do fluxo de decisões do Gerador de Dicas Condutivas
.
FIGURA 7.12 – Módulo Gerador de Dicas Condutivas.
7.6.6
213
Gerador de Textos a Respeito do Desempenho do Aprendiz
O objeto do módulo descrito nesta seção é resultante da análise do histórico de soluções
do aprendiz, pelo qual se pode avaliar o seu desempenho. O fragmento de texto gerado
nesse módulo comenta os relacionamentos realizados pelo aprendiz durante a execução
do exercı́cio. O objetivo desse fragmento de texto é apresentar ao aprendiz um pequeno
resumo das soluções apresentadas de acordo com os três nı́veis descritos nas seções 6.3.1,
6.3.2 e 6.3.3.
A Figura 7.13 representa os módulos do gerador. A lista de informações do histórico
do aprendiz, obtida através do módulo “Pesquisador do Modelo do Aprendiz”, do Módulo
de Orientação, é encaminhada ao módulo Comparador, conforme ilustrado na Figura 7.13.
Essa lista de informações contém os elementos do domı́nio (KWK) que foram manipulados,
ou seja, o conjunto de S(EC) referente ao histórico de soluções.
FIGURA 7.13 – Módulo Gerador de Textos a respeito do desempenho do aprendiz
O Comparador procurará identificar, se existir, quais são os relacionamentos entre
elementos do domı́nio comuns no histórico de soluções, quais os novos conceitos e quais
elementos que não estão sendo mais relacionados. Esses valores identificados são denominados por:
214
• [AN Dhist ] - registra os elementos do domı́nio (KWK) comuns às soluções apresentadas no histórico e a última solução.
• [XORhist ] - registra os elementos do domı́nio (KWK) presentes na última solução
apresentada e que não podem ser encontrados nas soluções anteriores armazenadas
no histórico.
0
• [XORhist
] - registra os elementos do domı́nio (KWK) que estão presentes no histórico
e não estão presentes na última solução apresentada.
Os elementos registrados nessas três listas são encaminhados ao módulo “Gerador de
Resumo”, que formata e estrutura um fragmento de texto que pode ser apresentado ao
aprendiz. Esse fragmento forma a M ET ERI(2D) , de acordo com alguns dos modelos de
mensagens listados na Seção 7.6.7.2.
Exemplo Ilustrativo de Execução do Gerador de Textos
A Tabela 7.3 exemplifica um possı́vel histórico de soluções S(EC) para um aprendiz
durante a execução do Desafio 1, do Apêndice A.
TABELA 7.3 – Exemplo de Informações armazenadas no Histórico do Aprendiz.
Solução Elementos da Matriz
SEC
1
10, 11
1.KWK1 + 1.KWK2 + 1.KWK10 + 1.KWK18
2
4, 5
1.KWK4 + 1.KWK9 + 2.KWK10 + 1.KWK11
3
13
1.KWK13 + 1.KWK14
última
15, 18
1.KWK1 + 2.KWK4 + 2.KWK5 + 1.KWK10
+ 1.KWK11 + 1.KWK14 + 1.KWK15 +
1.KWK20
O módulo Comparador irá comparar a última solução com as informações do histórico
da seguinte maneira:
215
• Gerar o valor resumo do histórico de soluções. Esse valor é determinado de acordo
com a seguinte expressão: S(EC−ResumoHist) = SEC1 + SEC2 + ... + SECn .
No exemplo considerado, esse valor será para as três primeiras soluções ilustradas na Tabela : S(EC−ResumoHist) = 1.KW K1 +1.KW K2 +1.KW K4 +1.KW K9
+3.KW K10 +1.KW K11 +1.KW K13 +1.KW K14 +1.KW K18.
• Comparar a última solução com S(EC−ResumoHist) . O resultado dessa comparação
fornecerá:
– [AN Dhist ] - lista dos elementos comuns. Nesse exemplo a lista é formada pelos
elementos [KWK1 KWK4 KWK10 KWK11 KWK13].
– [XORhist ] - lista dos elementos presentes na última solução e que não estão
presentes no histórico. Nesse exemplo a lista é formada pelos elementos [KWK5
KWK15 KWK20].
0
– [XORhist
] - lista os elementos do domı́nio (KWK) que estão presentes no his-
tórico e não estão presentes na última solução apresentada. Nesse exemplo a
lista é formada pelos elementos [KWK2 KWK9 KWK13 KWK14 KWK18].
0
As listas [AN Dhist ], [XORhist ] e [XORhist
] são enviadas ao submódulo Gerador de
Resumos. Esse gerador poderia utilizar um dos modelos de mensagens apresentados na
Seção 7.6.7.2, para a produção do seguinte texto para a M ET ERI2D :
216
Analisando a última solução e o histórico de soluções apresentadas anteriormente podese observar:
>Os conceitos da lista {“Mercadores Aventureiros”, “governo, parlamento, reino”, “dinheiro, moeda”, “desvalorização”, “guerra”} já foram relacionados em soluções anteriores.
Esse fato poderia indicar que a sua solução está explorando novas relações entre os elementos do domı́nio.
>Nessa última solução, além dos elementos que foram mantidos, novos elementos começam a ser explorados tais como {“quotas”, “expedição arriscada”, “guerra”, “preço”,
“comércio, mercado”}.
>Pode-se observar um comportamento Convergente para os elementos {“Mercadores Aventureiros”, “governo, parlamento, reino”, “dinheiro, moeda”, “desvalorização”,
“guerra”} e Divergente para os elementos {“taxas, impostos”, “benefı́cio, privilégio, proteção”, “incremento, aumento”} e {“quotas”, “expedição arriscada”, “guerra”, “preço”,
“comércio, mercado”}.
>O histórico de soluções registra a convergência ou divergência em alguns elementos
conforme apresentado na tabela abaixo:
Solução
Elementos
Análise
1
10, 11
Divergente para os elementos {“Mercadores Aventureiros”, “quotas”, “dinheiro, moeda”, “comércio, mercado”}
2
4, 5
Convergente para os elementos {“dinheiro, moeda”}
3
13
Divergente para os elementos {“guerra”, “preço”}
última
15, 18
Convergente para os elementos {“taxas, impostos”}
Para a formatação desse texto-exemplo, cada elemento KWK foi substituı́do pelo seu
equivalente no domı́nio considerado. Essa substituição foi realizada com o auxı́lio da
217
Tabela 4.1.
7.6.7
Repositório de Modelos de Mensagens
O repositório de Modelos de Mensagens simplesmente armazena a estrutura das mensagens textuais que serão fomatadas em resposta às solicitações dos diversos módulos
descritos nesse documento. A Figura 7.14 representa a estrutura desse repositório. O
Gerente de Mensagens tem a função de selecionar o modelo de mensagem de acordo com
a dimensão da METERI.
FIGURA 7.14 – Repositório de Modelos de Mensagens
Esse repositório permite armazenar modelos de mensagens para estruturar a:
• Terceira Dimensão da METERI apresentada na Seção 7.1.3 ou M ET ERI(3D) - Esses
modelos estão exemplificados na Seção 7.6.7.1.
• Segunda Dimensão da METERI apresentada na Seção 7.1.2 ou M ET ERI(2D) - Esses
modelos estão exemplificados na Seção 7.6.7.2.
7.6.7.1
218
Modelos Definidos para a Terceira Dimensão da METERI
Como exemplo de cada modelo de mensagem apresentado na Seção 7.4, conforme
apresentado por Noronha e Fernandes (2006b), lista-se o seguinte:
• Sugerir possı́veis ações:
1. “Os elementos {“ + elementos da lista [XOR’] + ”} foram omitidos da sua
solução e eles precisavam estar incluı́dos.”.
2. “Os elementos {“ + elementos da lista [XOR] + ”} foram inseridos na sua solução e eles não precisavam estar incluı́dos. Isso não significa que esses elementos
não possam ser combinados com outros elementos da Matriz de Resposta formando, assim, novas soluções.”.
3. “Alguns elementos selecionados não estão apresentados na seqüência esperada,
como por exemplo {” + elementos da lista [XOR”] + “}por favor, reveja a
seqüência.”.
4. “Alguns conceitos ainda necessitam ser investigados antes do exercı́cio ser finalizado, tais como: {“+lista de KWKs da lista [XOR’] + “}.”.
5. “Idéias e pontos de vista formados com os conceitos {“ + lista de KWKs da
lista [XOR] + “} poderiam ser associados com outros d Matriz de Resposta.
Que tal apresentar uma nova solução com eles? ”.
6. “Refaça a sua solução, pois ainda existem mensagens textuais a serem apresentadas.”.
• Questionar sobre idéias, planos e intenções:
1. “Apesar de concordarmos com a inclusão de alguns elementos, possuı́mos al-
219
gumas discordâncias quanto à inclusão dos elementos {” + elementos da lista
[XOR] + “}.”
2. “Apesar de concordarmos com a inclusão de alguns elementos, possuı́mos discordância quanto à omissão dos elementos {” + elementos da lista [XOR’] +
“}.”
3. “Alguns elementos que eu considero importantes para a solução foram omitidos
tais como:” + elementos da lista [XOR’] + “.”
4. “Os relacionamentos apresentados entre os conceitos {“ + lista de KWKs da
lista [XOR’] + lista de KWKs da lista [XOR] + “} apresentam um ponto de
vista que ainda não foi considerado para esse Desafio.”.
5. “Alguns conceitos ainda necessitam ser investigados, antes do exercı́cio ser finalizado, tais como: {” + lista de KWKs de R(next) + “}”
• Explicar e esclarecer conceitos:
1. “Concordamos perfeitamente com a seleção dos elementos apresentados. O
conselho que eu poderia fornecer é o seguinte: ” + M ET RI(1D) .
Quando e como selecionar um determinado modelo de mensagem não foi investigado.
Ou seja, se a mensagem M ET ERI(3D) deve explicar e esclarecer conceitos ou questionar sobre idéias, planos e intenções ou sugerir possı́veis ações, não foi investigado neste
trabalho de pesquisa. Constitui-se, assim, sugestão de pesquisas futuras, identificar os prérequisitos de seleção do tipo e da mensagem. No contexto deste trabalho, essa mensagem
foi selecionada de forma aleatória.
Conforme relata o trabalho de Noronha e Fernandes (2006b), esses modelos poderiam
ser modificados, excluı́dos ou outros novos poderiam ser criados pelo autor do exercı́cio.
220
Essa faceta não será abordada neste documento de pesquisa, por estar fora do escopo do
trabalho.
Na lista de modelos apresentada anteriormente, há a referência à “lista [XOR]”, “lista
[XOR’] ” e “lista [XOR”]”, entre outras. Essas listas são obtidas de forma automática
durante a execução do exercı́cio SC. A Seção 7.6.3 descreve como essas listas podem ser
obtidas e a Tabela 7.4 descreve o significado de cada uma dessas listas. O elemento
M ET ERI(1D) corresponde à mensagem textual associada à regra selecionada do Guia de
Discussão.
TABELA 7.4 – Significado das listas AND, XOR, XOR0 e XOR”
Lista
Significado
AND
Elementos comuns à solução e regra da guia de discussão.
XOR
Elementos que foram inseridos na solução e que não estão
contidos na regra do Guia de Discussão.
XOR’
Elementos que foram definidos na regra e que não estão contidos na solução.
XOR”
Elementos que foram apresentados na solução que não estão
na seqüência definida na regra do Guia de Discussão.
7.6.7.2
Modelos definidos para a segunda dimensão da METERI
São alguns exemplos de modelos de mensagens definidos neste trabalho para a M ET ERI(2D) :
• “Os conceitos da lista ” + [AN Dhist ] + “ já foram relacionados em soluções anteriores
. Esse fato poderia indicar que a sua solução está explorando novas relações entre
os elementos do domı́nio.”.
• “Nessa última solução, além dos elementos que foram mantidos, novos elementos
0
começam a ser explorados tais como + [XORhist
].
• “Pode-se observar um comportamento Convergente para os elementos ” + [AN Dhist ]
0
+ “ e Divergente para os elementos ” + [XORhist ] + “ e ” + [XORhist
].
221
• “O histórico de soluções registra a convergência ou divergência em alguns elementos
conforme apresentado na tabela abaixo ” + Informação similar à apresentada nas
Tabelas 6.2, 6.3 e 6.3.
Os modelos apresentados e definidos nas Seções 7.6.7.1 e 7.6.7.2 constituem a quarta
dimensão das mensagens de retorno de interação, ou simplesmnete M ET ERI(4D) . É
através desses modelos que “quem fornece a mensagem de retorno de interação” pode ser
identificado ou categorizado.
7.6.8
Módulo Construtor de METERI
O módulo Construtor de METERI recebe os componentes M ET ERI(1D) , M ET ERI(2D)
e M ET ERI(3D) e concatena esses elementos formando M ET ERI(f inal) = M ET ERI(1D)
+M ET ERI(2D) +M ET ERI(3D) .
A M ET ERI(4D) está sendo omitida dessa representação devido à ausência de estudos
que indiquem como identificar e escolher o modelo de mensagem para a M ET ERI(2D) e
M ET ERI(3D) .
A ausência de pesquisa que indique qual a melhor forma de estruturar a mensagem
de retorno de interação permite, neste caso, que a seguinte ordem de estruturação seja
definida de forma aleatória: M ET ERI(1D) , M ET ERI(3D) e M ET ERI(2D) .
7.7
Conclusões
Durante a execução de um exercı́cio SC, tipicamente, um professor conduz o aprendiz
ao término do exercı́cio. As estratégias que esse professor poderia empregar na orientação
222
não são documentadas, apesar disso, pode-se inferir algumas potenciais estratégias. No
contexto deste trabalho, investigaram-se essas potenciais estratégias e mecanismos para a
orientação de aprendizes em um exercı́cio SC.
Esses mecanismos compõem o Módulo de Orientação descrito neste capı́tulo. Apesar
de limitados, os mecanismos investigados apresentam-se como uma boa alternativa para
a ausência do professor quando comparados com uma simples opção “senão” nas regras
de produção ou a ausência total.
Resumidamente, esses mecanismos procuram estruturar a METERI a ser apresentada
ao aprendiz. Ela é estruturada em dimensões e cada dimensão possui as caracterı́sticas
apresentadas na Seção 7.1. Logo, expande-se a funcionalidade dessa METERI apresentada
inicialmente por Egan (1976).
8 Avaliação da Proposta de Solução
Neste capı́tulo avaliam-se os resultados dessa pesquisa. Algumas limitações são apresentadas e os modelos desenvolvidos e relatados neste trabalho são analisados.
• Na Seção 8.1 descrevem-se algumas simulações computacionais realizadas com alguns dos modelos descritos neste documento.
• Na Seção 8.2, apresentam-se as limitações da proposta de solução investigada neste
trabalho de pesquisa.
• A finalização do capı́tulo é feita na Seção 8.3.
8.1
Simulações Computacionais Realizadas
Cada um dos módulos do SCAT foi parcialmente codificado e algumas simulações
foram realizadas. As seguintes subseções detalham o que foi feito:
• A Subseção 8.1.1 relata o que foi implementado do SCAT computacionalmente.
• A Subseção 8.1.2, juntamente com o Apêndice B, apresentam o resultado do emprego de um protótipo de ferramenta de autoria desenvolvido para auxiliar no preenchimento de informações do modelo apresentado na Figura 4.1 e a partir dessas
CAPÍTULO 8. AVALIAÇÃO DA PROPOSTA DE SOLUÇÃO
224
informações gerar parcialmente a atividade instrucional.
• O Módulo do Especialista é tratado na Subseção 8.1.3 que apresenta os resultados
de diversas simulações do processo de seleção de regras do Guia de Discussão. De
maneira similar ao apresentado nas Tabelas 3.4 e 3.5, identifica-se o efeito de cada
método de cálculo apresentado nas Tabelas 5.3 e 5.4, na seleção da regra mais
similar.
• A Subseção 8.1.5 apresenta os resultados de outra simulação. Nessa nova simulação
busca-se identificar a ocorrência de cada estereótipo de aprendiz desenvolvido no
Capı́tulo 6.
• A Comparação do Efeito do Tamanho do Guia de Discussão na Probabilidade de
uma regra ser selecionada pelo método de Casamento de Padrões e Cálculo de Similaridade é investigado na Seção 8.1.6.
8.1.1
Implementações Computacionais
Os quatro módulos do SCAT foram parcialmente implementados na liguagem Java,
durante o transcorrer desta pesquisa. Das implementações realizadas, destacam-se:
• O Tradutor apresentado na Seção 4.6.
• A Estrutura de representação de conhecimento ilustrada na Figura 4.1.
• A Estrutura de representação expandida de conhecimento ilustrada na Figura 4.6.
• A Estrutura de Representação das Regras ilustrada na Tabela 5.8.
• O procedimento de cálculo descrito na Seção 5.2.2.
225
• O modelo de classificação de aprendizes em três camadas, descrito na Seção 6.3.
• A descrição do procedimento representada na Figura 7.6.
8.1.2
Experimento 1: Uso do Modelo de Representação de Conhecimento
O módulo do domı́nio deu origem a um protótipo de ferramenta de autoria que foi
utilizada para:
• Representar as KWKs, IOs, IGs e os seus relacionamentos,
• Extrair de um documento-texto as frases relevantes para a composição da Matriz
de Resposta,
• A geração automática de algumas regras de inclusão e omissão do Guia de Discussão.
• Fornecer sugestões de assuntos e tópicos a serem abordados nas METERIs associadas
às regras geradas.
As KWKs fornecidas foram armazenadas em arquivo-texto. Esse arquivo-texto representa o conteúdo das Tabelas 4.1 e 4.3.
O Apêndice B apresenta o resultado do protótipo de ferramenta de autoria. Para a
geração do exemplo desse apêndice, o autor da atividade SC necessitou apenas fornecer as
informações definidas da estrutura MRC ilustrada na Figura 4.1. A seção Apresentação
foi formada por um artigo de revista de circulação nacional e os elementos da Matriz de
Resposta são obtidos através de busca por semelhança entre o conjunto de KWK e as
frases contidas no texto, conforme apresentado em Noronha e Fernandes (2005a).
8.1.3
226
Experimento 2: Determinação da influência da escolha do
método de cálculo de Similaridade e Dissimilaridade
Foi desenvolvida uma simulação computacional que buscou identificar:
• Se a probabilidade de uma regra ser selecionada modifica-se de acordo com a escolha
do método.
• Se a quantidade de soluções que podem ser selecionadas ao mesmo tempo modifica-se
de acordo com a escolha do método.
• Das regras selecionadas, quantas atendem a cada um dos critérios de seleção definidos na Seção 7.5.1.
Diante da diversidade de métodos de cálculo de similaridade, apresentados nas Tabelas
5.3 e 5.4, qual método poderia ser considerado o mais indicado? Dos critérios que poderiam
ser desenvolvidos com esses dados, pôde-se destacar:
• Identificar a equação que apresenta menor diferença de probabilidade entre as regras.
Ou seja, busca-se igualar a probabilidade de seleção de todas as regras do Guia de
Discussão.
• Identificar a equação que possui a menor quantidade de mensagens do Guia de Discussão apresentadas ao mesmo tempo. Nesse critério, busca-se reduzir a quantidade
de informações apresentadas ao mesmo tempo ao aprendiz.
• Identificar a equação que apresenta maior quantidade de regras selecionadas pelo
critério R ⊂ S e R ≡ S.
8.1.3.1
227
Quais métodos minimizam a diferença de probabilidade de seleção
das regras?
Das equações investigadas, algumas apresentaram indı́cios de serem pouco indicadas
devido ao valor da probabilidade de seleção de uma determinada regra ser muito baixo
ou elevado.
A Tabela 8.1 totaliza a porcentagem de seleção de cada regra do Desafio 1 da atividade
instrucional SC do Apêndice A. A análise dos dados apresentados nessa tabela, permite
concluir para o exemplo considerado:
• Os resultados da equação de Johnstone apresentados apresentam que a regra R6
possui a probabilidade de ser selecionada de 2,042%. As regras derivadas de R3, R4
e R5 denominadas de R3.1, R3.2, R4.1, R4.2, R5.1, R5.2 apresentam a probabilidade
de 36%. Ou seja, de maneira geral, se empregado esse método, é bem provável que
a R6 seja a última regra se ser apresentada ao aprendiz. E as regras R3, R4 e R5,
provavelmente serão selecionadas por primeiro, não especificamente nessa ordem.
• Os resultados da equação de “Russel e Rao - Rr” apresentam que a regra R6 possui
a probabilidade de ser selecionada de 99,4752%. As regras derivadas de R3, R4 e
R5 denominadas de R3.1, R3.2, R4.1, R4.2, R5.1, R5.2 apresentam a probabilidade
de 0,3022%. Resultados similares são apresentados para as equações “Coeficiente
de Tanamoto - Tc”, “Rice, Czekanowski, Soremem - DCS” e “Dissimilaridade de
Diferença de Padrão - DP”.
Outras equações investigadas apresentaram-se como fortes candidatas diante do elevado valor de probabilidade para seleção de uma ou duas regras ao mesmo tempo, a
saber:
228
• “Sokal e Michener - Sm, “Dissimilaridade Euclideana - DE’ e “Rogers e Tanamoto
- RT” apresentam a probabilidade de 47,29% de uma única regra ser selecionada e
31,86% de duas regras serem selecionadas ao mesmo tempo.
8.1.3.2
Quais Métodos Minimizam a Quantidade de Regras do Guia de Discussão Selecionadas ao Mesmo Tempo.
A Tabela 8.2 totaliza a porcentagem de seleção de nenhuma, uma, duas, três até
nove regras ao mesmo tempo. A primeira coluna representa essa quantidade de regras
selecionadas ao mesmo tempo.
Conforme os dados apresentados na Tabela 8.2 para esse critérios, os métodos indicados
seriam aqueles que possuem a maior probabilidade de selecionar uma regra. Ou seja, nessa
tabela, para a segunda linha, pode-se identificar DCS, Rr, Jcc, SM, Ks e Tc.
Outro critério que poderia ter sido adotado é o da menor diferença máxima de probabilidade (4). Conforme apresentado na Tabela 8.1, a última linha registra a maior
diferença de probabilidade entre as regras. Por exemplo, para o método DCS, a maior
diferença de probabilidade ocorre entre os valores 91,4275 e 0,0051. O aspecto norteador
desse critério é tentar igualar a probabilidade de seleção de qualquer regra do Guia de
Discussão. Conforme os dados tabelados, os métodos mais indicados seriam aqueles que
possuem o valor de 4 = 11, 2155, ou seja DE e RT.
DCS
5,458
5,458
0,0051
0,0051
0,0051
0,0051
0,0051
0,0051
91,4275
91,4224
DCS
0
97,8907
1,8477
0,2594
0,0014
0,0006
0,0001
0
0
0,0001
R
R1
R2
R3.1
R3.2
R4.1
R4.2
R5.1
R5.2
R6
4
N
0
1
2
3
4
5
6
7
8
9
Tc
0
97,8907
1,8477
0,2594
0,0014
0,0006
0,0001
0
0
0,0001
TABELA 8.2 – Tabela Resumo da probabilidade de seleção simultânea de N regras.
CS
DE
Johnstone DP
RT
Rr
Jcc
SM
Ks
0
0
0
0,0168
0
0
0
0
0
96,0242 47,2939 30,2889
5,9216
47,2939 97,4079 97,8907 47,2939 65,3307
3,5892
31,8612 23,2683
16,8076 31,8612 1,7287
1,8477
31,8612 15,6845
0,3643
16,1015 25,4421
26,9431 16,1015 0,3256
0,2594
16,1015 10,4914
0,0157
3,1214
16,1676
26,3678 3,1214
0,114
0,0014
3,1214
6,4116
0,0063
0,2209
4,5387
16,0257 0,2209
0,1617
0,0006
0,2209
1,8677
0,0001
1,4012
0,2941
6,5441
1,4012
0,1473
0,0001
1,4012
0,2141
0
0
0
1,2743
0
0,0837
0
0
0
0
0
0
0,0987
0
0,0271
0
0
0
0,0001
0
0,0002
0,0003
0
0,0039
0,0001
0
0,0001
SM
28,2172
28,2172
17,0017
17,0017
17,0017
17,0017
17,0017
17,0017
22,8731
11,2155
Tc
5,458
5,458
0,0051
0,0051
0,0051
0,0051
0,0051
0,0051
91,4275
91,4224
DE
28,2172
28,2172
17,0017
17,0017
17,0017
17,0017
17,0017
17,0017
22,8731
11,2155
de Seleção de Regra.
Rr
Jcc
1,7701
5,458
1,7701
5,458
0,3022
0,0051
0,3022
0,0051
0,3022
0,0051
0,3022
0,0051
0,3022
0,0051
0,3022
0,0051
99,4752 91,4275
99,173
91,4224
Ks
19,8302
19,8302
15,4711
15,4711
15,4711
15,4711
15,4711
15,4711
31,957
16,4859
CS
10,4968
10,4968
0,51
0,51
0,51
0,51
0,51
0,51
80,3377
79,8277
TABELA 8.1 – Probabilidade
Johnstone DP
RT
11,6323
25,0552 28,2172
11,6323
25,0552 28,2172
36,1627
50,7729 17,0017
36,1627
50,7729 17,0017
36,1627
50,7729 17,0017
36,1627
50,7729 17,0017
36,1627
50,7729 17,0017
36,1627
50,7729 17,0017
2,042
0,1952
22,8731
34,1207
50,5777 11,2155
DSES
0
6,393
17,0296
27,0393
26,3678
16,0257
5,8693
1,1765
0,0987
0,0002
DSES
25,3652
25,3652
50,0001
50,0001
50,0001
50,0001
50,0001
50,0001
0,6812
49,3189
229
8.1.3.3
230
O critério de seleção das regras é modificado de acordo com a escolha
do método?
Quando o critério é a quantidade de vezes que a regra é selecionada pelos critérios
R ≡ S e R ⊂ S, a lista de regras candidatas em ordem de valor obtido das tabelas é a
seguinte:
1. “Dissimilaridade de Diferença de Padrão - DP”
2. “Johnstone”
3. “Sokal e Michener - Sm, “Dissimilaridade Euclideana - DE” e “Rogers e Tanamoto RT”
4. “Coeficiente de Tanamoto - TC”
5. “Russel e Rao - Rr”
6. “Rice, Czekanowski, Soremem - DCS”
Poderia ser inferido que as seguintes equações de cálculo são mais indicadas, de acordo
com a análise realizada: “Sokal e Michener - Sm, “Dissimilaridade Euclideana - DE’ e
“Rogers e Tanamoto - RT”.
Destaca-se neste ponto que os valores calculados têm como referência de cálculo as
regras do Guia de Discussão, ou seja, para um outro Desafio, as equações mais indicadas
poderiam ser outras.
Ao analisar o arquivo de dados, pôde-se observar que, nesses registros, o valor calculado
de dissimilaridade é “-1.0” para todas as regras. Ou seja, o menor valor de dissimilaridade
231
foi obtido como resultado do cálculo. Como exemplo desse caso particular, cita-se a
solução {1, 2, 4, 8, 12, 13, 15, 17, 18, 20}.
8.1.4
Experimento 3: Determinação da quantidade de Soluções
Convergentes e Divergentes
Para realizar esse experimento, gerou-se um arquivo que fornece a classificação das
soluções que poderiam ser apresentadas por um aprendiz. Essa classificação foi obtida
com o procedimento descrito na Seção 6.3.1. A Tabela 8.3 apresenta esses dados:
TABELA 8.3 – Quantidade de Soluções Convergentes e Divergentes.
Tipo
Quantidade
Convergente
1047476
Divergente
1100
Fica registrado que a proporção entre a quantidade de soluções divergentes e convergentes é função das KWKs definidas pelo autor da atividade e do relacionamento entre a
KWK e cada elemento da Matriz Resposta. A Tabela 4.3 apresenta esse relacionamento
para o exemplo analisado. Se a lista das KWKs, registrada na Tabela 4.1, fosse modificada
então outros relacionamentos seriam definidos e esse valor de proporção entre quantidade
de soluções convergentes e divergentes seria alterado.
Além dessa classificação, buscou-se identificar o valor máximo do ı́ndice dos elementos
KWK da expressão SEC . Esse valor permite identificar o elemento Central nas classificações Convergente e Divergente, conforme apresentado na Seção 6.3.1. A Tabela 8.4
apresenta esses dados identificados. De acordo com esses dados tabelados, a maior incidência de convergência ocorre com o ı́ndice igual a 4.
Finalmente, identificou-se a ocorrência de cada KWK da Tabela 4.1, na classificação da
TABELA 8.4 – Quantidade de Ocorrências
Máximo
1
2
3
4
5
6
7
8
9
232
do valor Central nas Soluções Convergentes.
Quantidade
0
40840
227088
359708
260096
122880
32768
4096
0
solução. Esses dados encontram-se na Tabela 8.5. Por exemplo, a KWK1 foi identificada
como elemento Central em 900.824 soluções Convergentes, e como elemento relevante em
1098 soluções Divergentes.
TABELA 8.5 – Quantidade de Ocorrências de cada KWK nas soluções classificadas como
Convergentes e Divergentes.
KWK
Convergente
Divergente
KWK1
900824
1098
KWK2
130456
918
KWK3
117862
670
KWK4
316436
776
KWK5
1212
176
KWK6
1296
268
KWK7
0
278
KWK8
592
166
KWK9
0
188
KWK10
111764
706
KWK11
1472
234
KWK12
0
550
KWK13
0
182
KWK14
7320
512
KWK15
1320
144
KWK16
28992
658
KWK17
0
124
KWK18
96152
622
KWK19
0
324
KWK20
2296
196
KWK21
129224
822
De maneira resumida, pode-se afirmar, com base nos dados tabelados, que o exercı́cio
233
representado no Apêndice A converge para a KWK1.
8.1.5
Experimento 4: Determinação da quantidade de Estereótipos possı́veis.
Conforme apresentado nas Tabelas 8.3 e 8.5, esse exercı́cio possui uma forte caracterı́stica de convergência para a KWK1. Que tipos de estereótipos podem ser identificados?
Para verificar a quantidade de estereótipos possı́veis, um experimento é conduzido. Os
dados são oriundos de cinco arquivos gerados de forma randômica. Cada arquivo possui
dez mil registros cada. Esses arquivos foram referenciados neste experimento por A1, A2,
A3, A4 e A5. Cada linha desses arquivos representa seis interações consecutivas que um
aprendiz poderia apresentar. Ou seja, pode-se considerar que cada linha represente um
possı́vel aprendiz.
O objetivo do experimento é classificar esse possı́vel aprendiz em cada um dos estereótipos definidos na Tabela 6.5. No final do experimento, uma tabela-resumo é gerada
com a quantidade de ocorrências de cada estereótipo.
Cada linha dos arquivos foi encaminhada sucessivamente ao Módulo do Aprendiz que
foi implementado especificamente para esse experimento com a seguinte funcionalidade:
1. Classificar cada uma das soluções consecutivas armazenadas nos arquivos. A última
solução das soluções define a primeira dimensão do estereótipo do aprendiz. Ela
pode assumir apenas o valor “C”, se a solução foi classificada como convergente, ou
“D” se ela foi classificada como divergente.
2. Verificar se a classificação de todas as soluções foram convergentes ou divergentes.
234
Se convergentes, a segunda dimensão assume o valor “C”. Se divergentes, a segunda
dimensão assume o valor “D”. Se houve alternância entre convergentes e divergentes,
“M”.
3. Para determinar a classe da terceira camada, as SEC s de cada uma das soluções são
analisadas. O procedimento de análise foi descrito na Seção 6.3.3.
4. Determinada a classificação de cada uma das três camadas, registra-se a ocorrência
ou não dos estereótipos apresentados na Tabela 6.5.
5. Prosseguindo com os passos anteriores, as ocorrências são incrementadas e os dados
são apresentados na Tabela 8.6.
Segundo os dados da Tabela 8.6, a grande maioria dos registros apontam para aprendizes do estereótipo “CCC”. Diante dos dados apresentados na Tabela 8.6, o experimento
foi refeito mais algumas vezes, repetindo-se o procedimento gerador desses arquivos.
O resultado da repetição desse experimento foi similar aos dados apresentados na
Tabela 8.6. Ou seja, uma grande concentração de “CCC”, um pouco de “CMC” e “DMC”
e ausência completa dos outros estereótipos.
Esse resultado teria sido influenciado pela quantidade de soluções? Ou seja, se a
amostra fosse formada por duas, três, quatro ou cinco soluções, o resultado seria diferente
da amostra com seis soluções consecutivas? A Tabela 8.7 apresenta os dados obtidos para
registros formados por apenas duas soluções.
Como pode ser observado nas Tabelas 8.6 e 8.7, existe uma elevada quantidade de
aprendizes do tipo “CCC”. De acordo com os dados obtidos, poder-se-ia afirmar que as
três camadas do estereótipo do aprendiz podem ser identificadas a partir da segunda
1
D
D
D
D
D
D
C
C
C
C
C
C
1
D
D
D
D
D
D
C
C
C
C
C
C
TABELA 8.6
Dimensão
2
3
D
D
D
C
C
D
C
C
M
D
M
C
D
D
D
C
C
D
C
C
M
C
M
D
2
D
D
C
C
M
M
D
D
C
C
M
M
235
– Quantidade identificada de estereótipos de aprendiz.
Amostra
Tipo
A1
A2
A3
A4
A5
DDD
0
0
0
0
0
DDC
0
0
0
0
0
DCD
0
0
0
0
0
DCC
0
0
0
0
0
DMD
0
0
0
0
0
DMC
14
12
15
11
7
CDD
0
0
0
0
0
CDC
0
0
0
0
0
CCD
0
0
0
0
0
CCC
9932
9914
9931
9934
9914
CMC
54
74
54
55
79
CMD
0
0
0
0
0
TABELA 8.7 – Quantidade de estereótipos de aprendizes.
Dimensão
Amostra
3
Tipo
A1
A2
A3
A4
D
DDD
0
0
0
0
C
DDC
0
0
0
0
D
DCD
0
0
0
0
C
DCC
0
0
0
0
D
DMD
0
0
0
0
C
DMC
10
15
8
18
D
CDD
0
0
0
0
C
CDC
0
0
0
0
D
CCD
0
0
0
0
C
CCC
9978
9977
9978
9970
C
CMC
12
8
14
12
D
CMD
0
0
0
0
A5
0
0
0
0
0
11
0
0
0
9975
14
0
solução apresentada pelo aprendiz? É prematuro realizar essa afirmação baseado apenas
em uma única atividade instrucional SC.
8.1.6
236
Experimento 5: O Cálculo de Similaridade de uma Regra
do Guia de Discussão É Influenciado pelas Regras do Guia
de Discussão?
Para verificar esse efeito, o Guia de Discussão utilizado nos experimentos anteriores
foi modificado para incluir novas regras. Se a probabilidade de uma regra ser selecionada
não for influenciada pela quantidade de regras do Guia de Discussão, então qualquer regra
do Guia pode ser expandida sem afetar as demais regras. Essa caracterı́stica é observada
quando o mecanismo de casamento de padrões é empregado. Se o mecanismo for o de
cálculo de Similaridade, essa caracaterı́stica também seria observada?
A regra “R6: I <3 ou mais> (1,2,7,9,10,12,15,17,19)” é expandida nas seguintes subregras:
• R6.1: I(1, 2, 7, 9, 10, 12, 15, 17, 19)
• R6.2: I(1, 2, 7)
• R6.3: I(15, 17, 19)
• R6.4: I(1, 2, 9)
• R6.5: I(1, 2, 12, 15, 17, 19)
• R6.6: I(7, 12, 17, 19)
• R6.7: I(1, 2, 7, 9, 10, 15, 19)
O método escolhido para o cálculo é a Dissimilaridade Euclideana - DE. As Tabelas
8.8, 8.9 e 8.10 registram os resultados dessa nova simulação.
237
TABELA 8.8 – Quantidade de vezes que cada regra do Guia de Discussão foi selecionada
pelo emprego da equação DE apresentada na Tabela 5.3.
Regra
Ocorrências
P(%)
R1: I (4, 6)
141.696
13,5132
R2: I(11,18)
141.696
13,5132
R3: O(3 ou 8)
R3.1: O(3)
158.484
15,1142
R3.2: O(8)
158.484
15,1142
R4: O(13 ou 20)
R4.1: O(13)
158.484
15,1142
R4.2: O(20)
158.484
15,1142
R5: O(5 ou 14)
R5.1: O(5)
158.484
15,1142
R5.2: O(14)
158.484
15,1142
R6: I <3 ou mais> (1, R6.1: I(1, 2, 7, 9, 10, 83.324
7,9464
2, 7, 9, 10, 12, 15, 17, 12, 15, 17, 19)
19)
R6.2: I(1, 2, 7)
99.497
9,4888
R6.3: I(15, 17, 19)
101.189
9,6501
R6.4: I(1, 2, 9)
109.776
10,4691
R6.5: I(1, 2, 12, 15, 102.468
9,7721
17, 19)
R6.6: I(7, 12, 17, 19)
113.664
10,8398
R6.7: I(1, 2, 7, 9, 10, 114.827
10,9508
15, 19)
TABELA 8.9 – Quantidade de vezes que nenhuma, uma, duas, três, quatro até quinze
regras são ao mesmo tempo selecionadas pela equação DE da Tabela 5.4.
P(%)
cionadas
0
0
0
1
525.594
50,1245
2
284.440
27,1263
3
149.724
14,2788
4
52.009
4,96
5
16.469
1,5706
6
17.873
1,7045
7
2.060
0,1965
8
313
0,0299
9
88
0,0084
10
6
0,0006
11
0
0
12
0
0
13
0
0
14
0
0
15
0
0
Ao compararmos os dados das Tabelas 8.8, 8.9 e 8.10 com os dados apresentados pela
mesma expressão de cálculo para o Guia de Discussão não-expandido apresentado nas
238
TABELA 8.10 – Critério de seleção utilizado pela equação DE da Tabela 5.4.
Critério de Seleção
Ocorrências
P(%)
R≡S
15
0,0014
R⊂S
1.204.061
114,8282
S⊂R
356
0,034
R 6⊂ S, S 6⊂ R e R ∩ S 6= 754.609
71,9651
R∩S =
84.796
8,0868
Tabelas 8.11, 8.12 e 8.13, fica evidente que qualquer modificação nas regras do Guia de
Discussão é refletida em todas as regras que compõem esse guia. O que não ocorre se o
mecanismo de seleção fosse o Casamento de Padrões. Por exemplo, a probabilidade da
regra R1 foi alterada (Tabelas 8.8 e 8.11 ), bem como a quantidade de vezes que uma ou
duas regras foram selecionadas ao mesmo tempo (Tabelas 8.9 e 8.12) e a quantidade de
vezes que cada critério de seleção das regras foi utilizado (Tabelas 8.10 e 8.13).
8.2
Limitações do Modelo SCAT
A proposta de solução investigada neste projeto de pesquisa e apresentada neste documento apresenta as seguintes limitações, entre outras:
1. A primeira limitação do SCAT reflete-se no procedimento de criação e representação
da atividade instrucional SC. Ou seja, as informações estruturadas e ilustradas na
Figura 4.6 necessitam ser preenchidas e não existe metodologia de auxı́lio. São
aspectos limitantes encontrados na forma de representação definida:
• O domı́nio mal estruturado necessita ser parcialmente representado através de
nós e arestas, em que o autor necessita identificar conceitos relevantes para a
atividade instrucional. Essa limitação surge em decorrência da forma utilizada
para interpretar um exercı́cio SC. Neste trabalho de pesquisa, um exercı́cio SC
239
TABELA 8.11 – Quantidade de vezes que cada regra do Guia de Discussão da página 272
foi selecionada pelo emprego da Equação DE apresentada na Tabela 5.3.
Regra
Ocorrências
P(%)
R1: I (4, 6)
295879
28,2172
R2: I(11,18)
295879
28,2172
R3: O(3 ou 8)
R3.1: O(3)
178276
17,0017
R3.2: O(8)
178276
17,0017
R4: O(13 ou 20) R4.1: O(13)
178276
17,0017
R4.2: O(20)
178276
17,0017
R5: O(5 ou 14)
R5.1: O(5)
178276
17,0017
R5.2: O(14)
178276
17,0017
R6: I <3 ou mais> (1,2,7,9,10,12,15,17,19) 239842
22,8731
TABELA 8.12 – Quantidade de vezes que diversas regras são ao mesmo tempo selecionadas
pela Equação DE da Tabela 5.4.
P(%)
cionadas
0
0
0
1
495912
47,2939
2
334089
31,8612
3
168836
16,1015
4
32730
3,1214
5
2316
0,2209
6
14693
1,4012
7
0
0
8
0
0
9
0
0
TABELA 8.13 – Critério de seleção utilizado pela Equação DE da Tabela 5.4.
Critério de Seleção
Ocorrências
P(%)
R≡S
9
0,0009
R⊂S
1193589
113,8295
S⊂R
859
0,0819
R 6⊂ S, S 6⊂ R e R ∩ S 6= 706799
67,4056
R∩S =
134626
12,8389
é interpretado sob a ótica da Teoria da Flexibilidade Cognitiva de Spiro et al.
(1991). Logo, os nós são os elementos relevantes do domı́nio que nessitam ser
associados ou relacionados entre si para expressar idéias e opiniões. A ausência de metodologia de como identificar os nós que representam os conceitos
ou elementos relevantes do domı́nio poderia ocasionar uma diversidade de grupos de soluções. Não há como antecipar quantos nós e arestas poderiam ser
240
selecionados nesse tipo de domı́nio.
• Outro aspecto é a adaptação de um exercı́cio SC para ser utilizado no modelo.
Essa adaptação consiste em identificar os elementos relevantes do domı́nio a
partir das informações contidas nos elementos da Matriz de Resposta. Identificar as metas instrucionais a partir dos Desafios, sendo que cada Desafio
corresponde a uma especı́fica meta. O objetivo da atividade instrucional é
identificado a partir da informação contida na Seção Intenção da SC. Ou seja,
as informações representadas na Figura 4.6 precisam ser preenchidas ou obtidas
a partir da atividade instrucional SC.
2. A forma de comparar a solução S ou S̄ não é precisa. Apesar de uma regra possuir
todos os recursos primordiais para a sua seleção para uma determinada solução, não
existe garantia da sua seleção. A sua seleção depende do conjunto de regras do Guia
de Discussão e do método adotado para o cálculo da similaridade ou dissimilaridade.
3. Limitação das funções que poderiam ser utilizadas do lado esquerdo da regra. A
comparação entre a regra e a solução S ou S̄ é feita através da conversão desses
dois elementos para um vetor binário. O modelo não define como regras do tipo “se
incluiu n ou mais elementos da lista...”, por exemplo, poderiam ser convertidas na
forma vetorial binária. Regras com o operador OU, por exemplo “I(3 ou 7)”, necessitam ser expandidas ou decompostas em distintas regras, no caso exemplificado
“I(3)” e “I(7)”. Outra forma de adaptação poderia ter sido “I(3)”, “I(7)” e “I(3, 7)”.
4. O SCAT não possui procedimentos para o diagnóstico inicial do conhecimento do
aprendiz. Todo e qualquer aprendiz necessitará ter acesso às mesmas mensagens
associadas às regras do Guia de Discussão, a componente M ET ERI(1D) . A diferença
241
entre os aprendizes é limitada aos componentes M ET ERI(2D) e M ET ERI(3D) .
5. As Seções Intenção, Apresentação e Pontos de Vista do Autor não foram investigadas
neste trabalho de pesquisa, nem definidas no SCAT.
8.3
Conclusão
O SCAT foi avaliado de acordo nos seguintes aspectos, a saber:
• Inicialmente, comparou-se o resultado da execução de um possı́vel ambiente real
SCAT e um ambiente real de casamento de padrões que executa exercı́cios SC. O
segundo ambiente foi implementado e deu origem ao artigo Noronha et al. (2004).
O primeiro foi parcialmente implementado.
• O SCAT também é avaliado de acordo com os principais aspectos que o diferenciam
do sistema de casamento de padrões desenvolvido por Noronha et al. (2004), a
saber:
– Quantidade de possı́veis soluções que não foram previstas pelo Guia de Discussão.
– A capacidade de identificar estereótipos de aprendizes.
– A capacidade de gerar dicas condutivas.
– A capacidade de registrar informações das interações do aprendiz com o ambiente.
– O efeito do uso dos procedimentos de seleção de regras do Guia de Discussão
descritos neste documento.
242
• O Modelo de Representação de Conhecimento foi avaliado em duas situações, a
saber:
– Elemento catalizador no processo de autoria de uma atividade instrucional SC.
– Elemento de representação do domı́nio pouco estruturado.
Os ITSs deveriam ser avaliados em ambientes reais de execução. A análise da real execução do ITS, das dificuldades que aprendizes apresentarão, e do aprendizado efetivo são
as melhores maneiras de avaliá-lo. Por uma questão de delimitação de escopo da pesquisa,
avaliou-se parcialmente o SCAT; o emprego do SCAT em situações reais de aprendizagem
está sendo omitido neste trabalho. Essa avaliação “real” consiste em investigação futura
a este projeto de pesquisa.
9 Conclusão
Finalizando este documento, neste capı́tulo enfatizou-se o seguinte:
• A relevância da pesquisa foi abordada na Seção 9.1.
• A originalidade da pesquisa foi argumentada na Seção 9.2.
• A Seção 9.3 apresenta as contribuições da pesquisa para a área de Informática em
Educação.
• A Seção 9.4 apresenta as extensões e trabalhos futuros decorrentes dos resultados
obtidos neste relatório de pesquisa.
• Na Seção 9.5 conclui-se a pesquisa.
9.1
Relevância da Pesquisa
ITSs, tais como os apresentados por Lesgold et al. (1992), Arruarte et al. (2003) e
Blessing (2003), por exemplo, têm apresentado soluções para o desenvolvimento e definição de atividades instrucionais baseadas em problemas bem estrututados. Atividades
instrucionais baseadas na solução de WSPs buscam, de forma genérica, acompanhar o
aprendiz por um caminho de solução previamente definido, verificar o correto emprego de
CAPÍTULO 9. CONCLUSÃO
244
princı́pios e processos do domı́nio para a solução do problema ou comparar a interação do
aprendiz com um catálogo ou biblioteca de erros que possuem ações reparadoras definidas.
ISPs também têm sido alvo de investigação da comunidade de Informática na Educação. Para a definição de atividades instrucionais baseadas nesse tipo de problema em
ambiente computacionais, duas estratégia poderiam ser empregadas:
• Estruturar o problema ISP, conforme apresentado na Seção 2.1.3. Regras e procedimentos de solução são definidos e o conhecimento do especialista na solução desse
tipo de problema é representado e armazenado na base do conhecimento. Como
exemplo, pode-se citar MYCIN (BUCHANAN; SHORTLIFFE, 1984) que estruturou a
perı́cia de elaboração de diagnósticos e DC (MOORE, 1993) que aplicou a Teoria de
Jogos de Discussão ou Discussion Game Theory - DGT como mecanismo gerenciador do diálogo entre aprendiz e computador.
• O professor deve participar ativamente da execução da atividade instrucional. Esse
professor compartilha o seu conhecimento e perı́cia do domı́nio com o aprendiz durante a execução da atividade instrucional. Nesse grupo encontram-se os ambientes
para CSCL ou Computer-Suported Collaborative Learning, conforme apresentado na
Seção 2.2. Jonassen (2004) apresenta uma arquitetura para esse tipo de ambiente,
sem ter definido, no entanto, módulo algum que pudesse representar o conhecimento
do especialista na solução desse tipo de problema.
A Figura 9.1 apresenta uma forma de relacionar e representar alguns ambientes computacionais e seus respectivos tipos de problemas. Em uma extremidade do gráfico,
representam-se ambientes que foram aplicados para problemas bem estruturados, tais
como para o domı́nio da matemática, Demonstr8 (BLESSING, 2003) e para o domı́nio da
245
Fı́sica, Simquest (JOOLINGEN; JONG, 2003). Na outra extremidade, ambientes utilizados como ferramenta de apoio em atividades instrucionais baseadas em ISPs, tais como
Rashi (WOOLF et al., 2005) e ConvinceMe (SCHANK, 1995), por exemplo. Rashi e ConvinceMe, em especial, foram aplicados para exercı́cio e desenvolvimento de habilidades de
argumentação.
FIGURA 9.1 – Modelo de Representação de ambientes instrucionais computacionais e
respectivos tipos de problemas
Um aspecto que demonstra a relevância deste trabalho está na possibilidade de aproximar os ITSs da representação dos ISPs em atividades instrucionais, conforme ilustra
a Figura 9.2. Um ambiente computacional real desenvolvido baseado no modelo SCAT
permitiria o monitoramento das soluções que um aprendiz poderia apresentar.
FIGURA 9.2 – Modelo de Representação da aproximação de ITS(s) e ISPs.
Outro aspecto da relevância desta pesquisa está na possibilidade de aplicação dos
246
módulos apresentados na produção de artefato computacional que propicie o ensino a
distância. De maneira diversa a outras técnicas, a SC não trabalha com a habilidade de
repetição de conceitos e processos. Questões que são facilmente respondidas através de
simples consulta a livro ou execução de procedimento conhecido, tais como “ Em que ano
tal evento histórico ocorreu?”, “Qual o valor da expressão?”, não são contempladas por
um exercı́cio SC.
Diferentemente do ambiente escolar, onde o aprendiz é isolado de fontes de conhecimento para responder esses tipos de questões, tais como livros, anotações de sala de aula,
no ambiente da Internet, também denominado de “modalidade a distância”, isso não é
possı́vel. Como avaliar o conhecimento do aprendiz com esse tipo de questão no ambiente
da Internet onde ele tem acesso a essas informações? Questões que exigem que o aprendiz
relacione conceitos para expressar idéias são contempladas com a SC e poderia ser mais
uma opção para avaliação do desempenho de aprendizes.
Outro aspecto, é a possibilidade de aplicação na gerência de grupos de discussão. A
forma de selecionar a regra mais próxima da solução apresentada na Seção 5.2.2 pode
ser adaptada para identificar, de forma automática, grupos de discussão em ambiente
computacional com idéias similares ou dissimilares, conforme apresentado por Noronha
et al. (2007). Nesse contexto, a solução não é mais comparada com as regras do Guia de
Discussão. Ela é comparada com as soluções apresentadas por outros aprendizes. Grupos
então poderiam ser criados de acordo com o resultado dessa comparação.
9.2
247
Originalidade da Pesquisa
A SC, conforme apresentada no Capı́tulo 3, é uma técnica que foi pouco investigada.
Pouco são os relatos de pesquisas com essa técnica que apresentam ferramentas computacionais utilizando a SC como elemento estruturador de atividades instrucionais.
O modelo pesquisado e relatado neste documento, procura simular parcialmente o
comportamento do tutor humano na atividade instrucional baseada na SC. Nessa simulação, utilizaram-se alguns conceitos de ITSs tais como modelo de aprendiz, domı́nio e
especialista. Nesse modelo, as mensagens apresentadas ao aprendiz, durante a execução
do exercı́cio SC, não são mais apenas função da solução do aprendiz. Com elas adiciona-se
a função de ser um elemento condutor do aprendiz na atividade instrucional.
Alguns conceitos da Teoria da Flexibilidade Cognitiva de Spiro et al. (1991) foram
empregados para auxiliar na representação computacional da perı́cia desse tutor humano
e para determinar o encerramento da atividade instrucional. Esses conceitos são utilizados como fonte de informação para o acompanhamento computacional das interações
do aprendiz na atividade instrucional. A técnica da SC é relacionada com essa teoria,
conforme descrito na Seção 3.3 e, a partir do resultado desse relacionamento, mecanismos
computacionais foram definidos para representar o conhecimento e gerar as mensagens de
retorno de interação.
Outro aspecto é o modelo computacional investigado. Esse modelo permite representar
e executar atividades instrucionais baseadas na solução de problemas mal estruturados.
Esse modelo faz uso combinado da Teoria da Flexibilidade Cognitiva e da técnica SC.
A representação é independente de domı́nio, não está limitada a exercitar habilidades de
argumentação e nem exige a presença do tutor humano durante a execução da atividade
248
instrucional.
Em resumo, esta pesquisa relacionou e foi guiada pelo domı́nio dos ISPs, pela Teoria
da Flexibilidade Cognitiva, pela técnica SC e alguns princı́pios de ITSs para a definição
do SCAT. A Figura 9.3 ilustra esse paradigma. Nesse contexto, o SCAT é a integração
do Domı́nio, Teoria, Técnica Instrucional e Modelo Teórico Computacional.
FIGURA 9.3 – Paradigma do SCAT.
9.3
Contribuições do Trabalho
Este trabalho de pesquisa apresenta algumas contribuições que merecem destaque, a
saber:
1. A representação estruturada do domı́nio mal estruturado. Com a estrutura representada na Figura 4.1 e 4.6, um domı́nio mal estruturado pode ser representado de
maneira estruturada.
2. A integração entre a Teoria da Flexibilidade Cognitiva de Spiro et al.(1991) e a
SC. Essa integração compõe a base teórica definida para o modelo SCAT e permite
249
visualizar a SC não como uma técnica de múltiplas alternativas aprimoradas, mas
sim como um ambiente de simulação da estruturação de conceitos do domı́nio.
3. O tratamento dado às mensagens de retorno de interação é outro aspecto a ser
destacado. Conforme apresentado na Seção 7.1, a mensagem é vista como um elemento composto de quatro dimensões e não apenas como um elemento que expressa
comentários e opiniões.
4. A possibilidade de investigação futura de modelos de mensagens de retorno de interação. As Seções 7.6.7.1 e 7.6.7.2 apresentam alguns modelos desenvolvidos de forma
criativa. Investigar outros modelos e buscar identificar quais modelos poderiam ser
aplicados apresenta-se como boas perspectivas de pesquisas futuras.
5. A ausência de mensagem de retorno de interação para soluções que não foram antecipadas pelo autor da atividade instrucional é preenchida com mensagens criadas
a partir dos modelos definidos. Nesse contexto, qualquer solução apresentada receberá uma mensagem que além de comentar a solução apresentada procura fomentar
a produção de uma nova solução.
6. O modelo do aprendiz definido é outra contribuição que merece destaque. O modelo
utiliza três camadas, sendo a primeira função da resposta fornecida e as outras
duas camadas são funções do histórico de soluções. O modelo descrito não está
delimitado a exercı́cios SC e poderia ser classificado como genérico para exercı́cios
ISPs. Destaca-se que, originalmente, a SC não previu um modelo de aprendiz.
7. Conforme apresentado no Capı́tulo 2, os ITSs produzidos no contexto de exercı́cios
de ISPs têm sido focados em exercı́cios de técnicas de argumentações ou são tão especı́ficos do domı́nio de aplicação que o seu reúso em outros domı́nios é uma atividade
250
de alto custo. Um ambiente desenvolvido com os módulos descritos neste documento
poderia ser utilizado para qualquer domı́nio, desde que a técnica instrucional fosse
a SC.
8. O emprego do conceito de Similaridade e Dissimilaridade para identificar uma regra
do Guia de Discussão é outro aspecto a ser destacado.
9. Outro ponto a ser destacado refere-se ao processo de criação das regras do Guia
de Discussão. Se a probabilidade de uma regra ser selecionada for proporcional à
quantidade de elementos da Matriz de Resposta contidos no lado esquerdo da regra,
isso poderia conduzir o autor a criar regras “pequenas”. Ou seja, regras em que o
lado esquerdo possua apenas um ou dois elementos da Matriz de Resposta. Se a
probabilidade de a regra ser selecionada não for apenas proporcional à quantidade
de elementos contidos no lado esquerdo da regra, o autor não precisará se preocupar
com esse aspecto durante a criação da regra.
10. A possibilidade de representação e execução de problemas mal estruturados em um
ambiente computacional.
9.4
Trabalhos Futuros
Como continuidade a este trabalho de pesquisa, é possı́vel destacar:
• Verificar o uso e expandir o modelo de autoria definido na Seção 4.4.
• Definição de mecanismos monitores da autoria, conforme outra investigação em andamento pelo grupo de pesquisa deste Instituto no qual esta pesquisa está inserida.
251
Durante o processo de autoria, podem existir algumas inconsistências entre os elementos do domı́nio apresentados nas diversas seções de uma atividade instrucional
SC. (GALANTE; NORONHA; FERNANDES, 2006)
• Investigar novos modelos de mensagens que poderiam ser utilizados na formação da
componente M ET ERI(2D) e M ET ERI(3D) .
• Investigar como selecionar e definir os modelos de mensagens utilizados na M ET ERI2D
e M ET ERI3D . Esse aspecto está relacionado diretamente com a M ET ERI(4D) e
não foi investigado neste trabalho, mas apenas relatado. Por exemplo, o mesmo
modelo de mensagem poderia ser aplicado a aprendizes com caracterı́sticas convergentes e divergentes?
• Definir um módulo que permita gerenciar e selecionar esses modelos de mensagens.
No SCAT as mensagens são selecionadas de forma aleatória.
• Investigar qual método de cálculo de similaridade ou dissimilaridade poderia ser
o mais indicado em situações reais de ensino-aprendizagem. Seria esse parâmetro
função do domı́nio, do tipo de aprendiz ou instrutor?
• Implementar e testar o modelo de execução e representação definidos neste trabalho
de pesquisa em ambientes reais de aprendizagem.
• Conforme definido na Seção 7.3 dois modos de condução são definidos a saber:
– Amplitude para aprendizes com caracterı́sticas Divergentes.
– Profundidade para aprendizes com caracterı́sticas Convergentes.
O critério definido para a seleção do modo de condução poderia ser invertido.
Ou seja, Profundidade para aprendizes com caracterı́sticas Divergentes e Amplitude
252
para aprendizes com caracterı́sticas Convergentes. Se isso fosse feito, os aprendizes
com caracterı́sticas Divergentes tornar-se-iam Convergentes e vice-e-versa?
• Definição de Modelo de Avaliação de Exercı́cios SC de acordo com a sua convergência
ou divergência.
• Definidas as referências para classificação de Exercı́cios SC e sendo elas aplicadas
em exercı́cios SC, que consequências haveria do emprego de um exercı́cio classificado
como Convergente em aprendizes clasificados como Divergentes? Ou, um exercı́cio
classificado como Divergente em aprendizes classificados como Convergentes, por
exemplo, poderia o estereótipo do aprendiz ser utilizado para selecionar o próximo
Desafio a ser investigado por ele?
9.5
Conclusões Finais
A preparação de aprendizes para serem bons solucionadores de problemas conta com
mais uma ferramenta, o SCAT investigado neste trabalho. Através de uma pequena
estruturação, os problemas mal estruturados podem ser tratados como fossem problemas
bem estruturados e ITSs poderiam ser definidos. Apesar dessa pequena estruturação, as
principais caracterı́sticas que definem um ISP ainda são mantidas, por exemplo:
• Incertezas sobre como o aprendiz irá solucionar o problema.
• Incertezas de quais e quantos elementos do domı́nio serão utilizados para a composição de soluções.
• Ausência de metodologia para identificar se uma solução é correta ou não.
253
Através dos resultados desta pesquisa, uma técnica para o desenvolvimento de atividades instrucionais baseada em problemas mal estruturados foi revisitada. Resumidamente,
procura-se atender à necessidade de produção de atividades instrucionais baseadas em
ISPs.
Diferentemente de outras pesquisas que abordaram a representação de problemas mal
estruturados em ambientes computacionais, pode-se inferir que SCAT apresenta as seguintes caracterı́sticas:
• Redução da quantidade de fatos que devem ser analisados, julgados e selecionados
pelos aprendizes para compor as soluções a um problema.
• Redução da perda de contexto da solução apresentada.
• Mecanismos automatizados para a orientação do aprendiz no exercı́cio.
• A necessidade de intervenção do professor na execução da atividade instrucional é
reduzida.
• Definição de classes de aprendizes para o domı́nio de problemas mal estruturados.
• As classes de aprendizes consideram o histórico de soluções e não apenas a última
solução apresentada.
Através do SCAT, a análise e avaliação dessas soluções é um processo automatizado
que não requer um elevado investimento de tempo da parte do professor. O professor
também não necessita antecipar todas as soluções que um aprendiz poderia apresentar.
Diferentemente do que poderia ser esperado, o SCAT não utiliza um sistema baseado
em regras para identificar a mensagem de retorno de interação a ser apresentada ao aprendiz. Ele permite selecionar essa mensagem de acordo com a similaridade entre a solução
254
apresentada e as condições definidas como pré-requitos dessa mensagem. Nesse contexto,
toda solução apresentada receberá uma mensagem textual.
A Tetradimensionalidade das Mensagens Textuais de Retorno de Interação foi desenvolvida e o modelo investigado procurou representar parcialmente esse paradigma.
Mais importante que os resultados apresentados foram os caminhos abertos para que
novas pesquisas tenham origem a partir desta. Entre outros, destacam-se:
• Investigação de modelos de mensagens textuais de retorno de interação.
• Investigação de modelos de autoria de exercı́cios SC e identificação de incoerências
e inconsistências entre as seções da SC.
• Reuso da Tetradimensionalidade das Mensagens Textuais de Retorno de Interação
em outros contextos.
• Investigação de quais tipos de problemas mal estruturados poderiam ser representados no SCAT.
Através do SCAT, ITSs baseados em problemas mal estruturados podem ser desenvolvidos, utilizando-se uma representação baseada nos módulos Especialista, Domı́nio, Aprendiz e Orientação.
Referências Bibliográficas
AINSWORTH, S. et al. REDEEM: Simple Intelligent Tutoring Systems from Usable
Tools. In: MURRAY, T.; BLESSING, S.; AINSWORTH, S. (Ed.). Authoring Tools
for Advanced Technology Learning Environments - Towards cost-effective
adaptive, interactive and intelligent educational software. 1. ed. P. O. Box 17,
3300 AA Dordrecht, The Netherlands: Kluwer Academic Publishers, 2003. cap. 8, p.
205–232.
AMELSVOORT, M. V.; MUNNEKE, L. Computer-supported collaborative
argumentation-based learning: How students solve controversy and relate argumentative
knowledge. In: GRANDBASTIEN, M. (Ed.). AIED 2005 - Young Research Track.
Amsterdam, Holanda, 2005. p. 9–14.
ARRUARTE, A. et al. The IRIS Authoring Tool. In: MURRAY, T.; BLESSING, S.;
AINSWORTH, S. (Ed.). Authoring Tools for Advanced Technology Learning
Environments - Towards cost-effective adaptive, interactive and intelligent
educational software. P. O. Box 17, 3300 AA Dordrecht, The Netherlands: Kluwer
Academic Publishers, 2003. cap. 9, p. 233–268.
ASHLEY, K. D.; DESAI, R.; LEVINE, J. M. Teaching case-based argumentation
concepts using dialetic arguments vs. didatic explanations. In: CERRI
GUY GOUARDèRES, F. P. S. A. (Ed.). Intelligent Tutoring Systems - 6th
International Conference, ITS 2002. Biarritz, France and San Sebastian, Spain:
Springuer Verlag, 2002. (LNCS 2363), p. 585–595.
BAFFES, P.; MOONEY, R. Refinement-based student modeling and automated bug
library construction. Journal of Artificial Intelligence in Education, v. 7, n. 1, p.
75–116, 1996.
BAHAR, M. INVESTIGATION OF BIOLOGY STUDENT’S COGNITIVE
STRUCTURE THROUGH WORD ASSOCIATION TESTS, MIND MAPS
AND STRUCUTRAL COMMUNICATION GRIDS. Tese (Doutorado) —
CENTER OF SCIENCE EDUCATION, FACULTY OF SCIENCE, UNIVERSITY OF
GLASGOW, 1999.
BLESSING, S. B. A programming by demonstration authoring tool for model-tracing
tutors. In: MURRAY, T.; BLESSING, S.; AINSWORTH, S. (Ed.). Authoring Tools
for Advanced Technology Learning Environments - Towards cost-effective
93–120.
REFERÊNCIAS BIBLIOGRÁFICAS
256
BLOOM, B. S.; HASTINGS, J. T.; MADAUS, G. F. Handbook on Formative and
Summative Evaluation of Student Learning. New York: McGraw-Hill, 1971.
BOULAY, B. du; LUCKIN, R. Modelling human teaching tactics and strategies for
tutoring systems. International Journal of Artificial Intelligence in Education,
n. 12, p. 235–256, 2001.
BRICKELL, G.; FERRY, B.; HARPER, B. Developing informal reasoning skills in
ill-structured environments. a case study into problem-solving strategies. In:
ASCILITE. [S.l.: s.n.], 2002. p. 65–73.
BROWN, J. S.; BURTON, R. R.; KLEER, J. de. Pedagogical, natural language and
knowledge engineering techniques in SOPHIE I, II and III. In: Intelligent Tutoring
Systems. New York: Academic Press, 1980. cap. 11, p. 227–282.
BUCHANAN, B. G.; SHORTLIFFE, E. H. (Ed.). Rule-Based Expert Systems The MYCIN Experiments of the Stanford Heuristic Programming Project.
[S.l.]: Addison-Wesley Publishing Company, 1984.
CHANG, E. Investigation of Construtivist Principles applied to Collaborative
Study of Business Cases in Computer-Mediated Communication. Tese
(Doutorado) — Graduate School of Syracuse University, 1994.
CHEIKES, B. A. PROPA: An argumentation-based tutor for explanatory analysis tasks.
In: Artificial Intelligence in Education. New York: [s.n.], 1995.
CHU-CHARROL, J. Mimic: An adaptive mixed initiative spoken dialogue system for
information queries. In: ANLP6. New York: [s.n.], 2000. p. 97–104.
CURY, D. FLAMA: Ferramenta e Linguagem de Autoria para a Modelagem
da Aprendizagem. Tese (Doutorado) — Instituto Tecnológico de Aeronáutica, 1996.
DILLS, C. R.; ROMISZOWSKI, A. A Knowledge Acquisition System Based
upon Structural Communication and Pattern Noting Technologies. Syracuse,
New York, 1990. 33 p.
DREYFUS, H. L.; DREYFUS, S. E. Why skills cannot be represented by rules. In:
SHARKEY, N. E. (Ed.). Advances in Cognitive Science - 1. [S.l.]: West Sussex,
England: Ellis Horwood Limited, 1986, (Ellis Horwood series in cognitive science). p.
315–335.
DöRNER, D. Heuristics and cognition in complex systems. In: GRONER, R. et al.
(Ed.). Methods of Heuristics. 1. ed. Hillsdale, New Jersey: Lawrence Erlbaum
Associates, 1983. p. 89–108.
DURMUS, S.; KARAKIRIK, E. A computer assessment tool for structural
communication grid. The Turkish Online Journal of Educational Technology TOJET, v. 4, n. 4, p. 3–6, October 2005.
EGAN, K. Structural Communication. 6 Davis Drive, Belmont, California 94002:
Fearon Publishers, 1976. ISBN-0-8224-6550-7.
257
FERNANDES, R.; SIMON, H. A. A study of how individuals solve complex and
ill-structured problems. In: Policy Sciences. P. O. Box 17, 3300 AA Dordrecht, The
Netherlands: Kluwer Academic Publichers, 1999. p. 225–245.
FUNKE, J. Dynamic systems as tools for analysing human judgement. Thinking and
Reasoning, v. 7, n. 1, p. 69–89, 2001.
FYFE, R. M.; WOODROW, D. BASIC IDEAS OF ABSTRACT
MATHEMATICS. London, England: University of London Press Ltd, 1969.
(Structural Communication Topics 2).
GALANTE, D.; NORONHA, R. V.; FERNANDES, C. T. Identificando incoerências no
processo de autoria de exercı́cios de comunicação estrutural. In: Anais do XVII
Simpósio Brasileiro de Informática na Educação - SBIE 2006. Brası́lia, Distrito
Federal, Brasil: [s.n.], 2006.
GOEL, V. A comparison of well-structured and ill-structured task environments and
problem spaces. Proceedings of the Fourtheenth Annual Conference of the
Cognitive Science Society, Hillsdale, NJ: Erlbaum, 1992.
GOODMAN, B. et al. Encouraging student reflection and articulation using a learning
companion. International Journal of Artificial Intelligence in Education, n. 9, p.
237–255, 1998.
GORAYA, T. Y. Adaptive Dynamic Personal-Modeling Environment for
Ill-Structured Problems. Tese (Doutorado) — Department of Information Systems,
Case Western Reserve University, 2001.
GRABINER, R. S. Rich environments for active learning. In: JONASSEN, D. (Ed.).
Handbook for Educational Communications and Technology. New York: New
York: Simon and Schuster Macmillan, 1996. p. 665–692.
GRAHAM, A.; LAMBERT, C. U. Effective placement of reflective feedback in
computer-aided instruction for maintaining dining room standards. Journal of the
International Academy of Hospitality Research - JIAHR, n. 10, August 1998.
ISSN 1052-6099.
HALFF, H. M. et al. Requiem for a development system: Reflections on
knowledge-based, generative instruction. In: MURRAY, T.; BLESSING, S.;
AINSWORTH, S. (Ed.). Authoring Tools for Advanced Technology Learning
Environments - Towards cost-effective adaptive, interactive and intelligent
educational software. 1. ed. P. O. Box 17, 3300 AA Dordrecht, The Netherlands:
Kluwer Academic Publishers, 2003. cap. 2, p. 33–60.
HANNAFIN, M.; LAN, S.; OLIVER, K. Open learning environments, methods and
models. In: REIGELUTH, C. M. (Ed.). Instructional-Design Theories and Models
- A new Paradigm of Instrucional Theory. Mahwah, New Jersey: Lawrence
Erlbaum Associates, 1999. II, p. 115–140.
HODGSON, A. M.; DILL, W. R. Programmed Case: The Misfired Missive.
September-October 1970. Harvard Business Revies No. 70503.
258
HONG, N. S. The Relationship between Well-Structured and Ill-Structured
Problem in Multimedia Simulation. Tese (Doutorado) — The Pensylvania State
University. The Graduate School. College of Education, August 1998.
HUDSON, L. Contrary imaginations. [S.l.]: London: Penguin Books, 1966.
HUDSON, L. Frames of Mind. [S.l.]: London: Methuen and Co. LTD., 1968.
JOHNSTONE, A. H. METHODS OF ASSESSMENT USING GRIDS.
UNIVERSITY OF GLASGOW, OCTOBER 1988.
JOHNSTONE, A. H.; AMBUSAIDI, A. Fixed response: What are we testing?
CHEMISTRY EDUCATION: RESEARCH AND PRACTICE IN EUROPE,
v. 1, n. 3, p. 323–328, 2000.
JOHNSTONE, A. H.; AMBUSAIDI, A. Fixed-response questions with a diference.
CHEMISTRY EDUCATION: RESEARCH AND PRACTICE IN EUROPE,
v. 2, n. 3, p. 313–327, 2001.
JOHNSTONE, A. H.; BAHAR, M.; HANSELL, M. H. Structural communication grids:
A valuable assessment and diagnostic tool for science teachers. JOURNAL OF
BIOLOGICAL EDUCATION, v. 34, n. 2, p. 87–89, 2000.
JONASSEN, D. H. Instructional design models for well-structured and ill-structured
problem solving learning outcomes. Education Technology: Research and
Development (ETRD), v. 45, n. 1, p. 65–94, 1997.
JONASSEN, D. H. Instructional-design theories and models - a new paradigm of
instrucional theory. In: REIGELUTH, C. M. (Ed.). Mahwah, New Jersey: Lawrence
Erlbaum Associates, 1999. II, cap. Design Construtivist Learning Environments, p.
215–240.
JONASSEN, D. H. Toward a meta-theory of problem solving. Education Technology:
Research and Development (ETRD), v. 45, n. 1, p. 65–94, 2000.
JONASSEN, D. H. Learning to Solve Problems - An Instructional Design
Guide. 989 Market Street, San Francisco, CA 94103-1741: Pfeiffer, 2004. (Instructional
Technology & Training Series).
JOOLINGEN, W. R. V.; JONG, T. de. Simquest - authoring educational simulations.
In: MURRAY, T.; BLESSING, S.; AINSWORTH, S. (Ed.). Authoring Tools for
Advanced Technology Learning Environments - Towards cost-effective
1–33.
LAZZERI, S. G.; HELLER, R. An intelligent consultant system for chess. Computers
Education, v. 27, n. 3/4, p. 181–196, August 1996.
LESGOLD, A. et al. SHERLOCK: A Coached practice environment for electronic
troubleshooting job. In: LARKIN, J. H.; CHABAY, R. W. (Ed.). Computer-Assisted
Instruction and Intelligent Tutoring Systems - Shared Goals and
Complementary Approaches. 1. ed. Hillsdale, New Jersey: Lawrence Erlbaum
Associates, 1992. p. 201–238.
259
LOGAN, B.; CORNE, D. The Edimburg Designer System: An architecture to solving
ill-structured problems. In: VIENNA, AUSTRIA. 10th European Conference on
Artificial Intelligence. Vienna, Austria, 1992.
LUKE, B. T. Clustering Binary Objects. jun 2006.
Http://fconyx.ncifcrf.gov/ lukeb/.
MAGER, R. F. Preparing Instructional Objectives. Third. Atlanta, Georgia: The
Center of Effective Performance, 1997.
MARTIN, B. I. INTELLIGENT TUTORING SYSTEMS: THE PRACTICAL
IMPLEMENTATION OF CONSTRAINT-BASED MODELLING. Tese
(Doutorado) — University of Canterbury, 2001.
MASTERMAN, E. F. REPRESENTATION, MEDIATION, CONVERSATION:
INTEGRATING SOCIOCULTURAL AND COGNITIVE PERSPECTIVES
IN THE DESIGN OF A LEARNING TECHNOLOGY ARTEFACT FOR
REASONING ABOUTHISTORICAL CAUSATION. Tese (Doutorado) —
School of Electronic, Electrical & Computer Engineering, The University of
Birmingham, April 2004.
MASTERMAN, L. A knowledge-based coach for reasoning about historical causation.
In: LOOI GORD MCCALLA, B. B. J. B. C.-K. (Ed.). Artificial Intelligence in
Education. Amsterdam, Holanda: IOS Press, 2005. p. 435–442.
MOORE, D. J. DIALOGUE GAME THEORY FOR INTELLIGENT
TUTORING SYSTEMS. Tese (Doutorado) — Leeds Metropolitan University Faculty of Information and Engineering Systems, 1993.
MURRAY, T. An overview of intelligent tutoring system authoring tools: Update
analysis of the state of the art. In: MURRAY, T.; BLESSING, S.; AINSWORTH, S.
(Ed.). Authoring Tools for Advanced Technology Learning Environments Towards cost-effective adaptive, interactive and intelligent educational
software. P. O. Box 17, 3300 AA Dordrecht, The Netherlands: Kluwer Academic
Publishers, 2003. cap. 17, p. 491–544.
NEWELL, A.; SIMON, H. A. Human Problem Solving. Englewood Cliffs, New
Jersey: Prentice-Hall, Inc., Englewood Cliffs, New Jersey, 1972.
NORONHA, R. V. Authoring ideas for developing structural communication exercises.
In: GRANDBASTIEN, M. (Ed.). AIED 2005 - Young Research Track.
Amsterdam, Holanda, 2005. p. 125–130.
NORONHA, R. V.; FERNANDES, C. T. Identifying phrases in instructional text
documents using instructional objective and goals. In: Anais do XVI Simpósio
Brasileiro de Informática na Educação - SBIE 2005. Juiz de Fora, MG, Brasil:
[s.n.], 2005. p. 1–11. Premio de Melhor Artigo.
NORONHA, R. V.; FERNANDES, C. T. Model to represent ill-structured problems in
ITS environments. In: COMPUTER SOCIETY OF SOUTH AFRICA, SBS
CONFERENCE. 8th IFIP World Conference on Computers in Education,
WCCE 2005. Cape Town, South Africa, 2005.
260
NORONHA, R. V.; FERNANDES, C. T. Execution obstacles of a structural
communication exercise. In: INTERNATIONAL COUNCIL FOR OPEN AND
DISTANCE EDUCATION. 22ND. Conferência Mundial de Educação a
Distância - ICDE22 2006. Rio de Janeiro, Rio de Janeiro, Brasil, 2006.
NORONHA, R. V.; FERNANDES, C. T. Modelo de seleção e criação de mensagens
textuais de retorno de interação para sistemas instrucionais baseados em regras de
produção. In: Anais do XVII Simpósio Brasileiro de Informática na Educação SBIE 2006. Brası́lia, Distrito Federal, Brasil: [s.n.], 2006.
NORONHA, R. V.; GALANTE, D.; FERNANDES, C. T. Preliminary ideas to provide
intelligent tutoring systems with abilities to deal with ill-structured problems. In:
ITALIAN NATIONAL RESEARCH COUNCIL. International Conference Methods
and Technology for Learning - ICMTL2005. Palermo, Itália, 2005.
NORONHA, R. V.; ROMISZOWSKI, A.; FERNANDES, C. T. Use of structural
communication to automatically assign participants to discussion groups in online
learning. In: EUROPEAN COMMISSION AND EUROPEAN AND MEDIA SOCIETY.
Proceedings of IST Africa - 2007. [S.l.], 2007.
NORONHA, R. V. et al. Classificação de aprendizes através de mapas auto-organizáveis.
In: ANIDO, R. de O.; MASIERO, P. C. (Ed.). Anais do XXIII Congresso da
Sociedade Brasileira de Computação. Campinas, SP, Brasil, 2003. p. 80.
NORONHA, R. V. et al. Structural communication - a learning environment prototype.
In: IASTED. Proceedings of the IASTED International Conference
WEB-BASED EDUCATION. Innsbruck, Austria, 2004. p. 177–181.
O’SHEA, T. et al. Tools for creating intelligent computer tutors. In: ELITHORN, A.;
BARNEJI, R. (Ed.). Human and Artificial Intelligence. Amsterdam, Holanda:
North-Holland, 1984.
POPLE, H. E. Heuristic methods for imposing structure on ill-structured problems: The
structuring of medical diagnostics. In: SZOLOVITS, P. (Ed.). Artificial Intelligence
in Medicine. New York: Westview Press, 1982. cap. 5, p. 119–184.
PUGH, D. E. AN HEURISTIC MODEL FOR PROMOTION OF HIGH
LEVEL THINKING IN ANTHROPOLOGY. July 1977. Classroom Studies E461,
School of Education, Murdoch University, Perth, West Australia.
REDONDO, M. . et al. Providing adaptation and guidance for design learning by
problem solving: The design planning approach in DomoSim-TPC environment.
Computers and Education, p. 1–16, 2005.
RICH, E.; KNIGHT, K. Artificial Intelligence. International edition - 2nd edition.
New York: Mc. Graw-Hill, 1991.
SCHANK, P. K. Computational Tools for Modeling and Aiding Reasoning:
Assessing and Applying the Theory of Explanatory Coherence. Tese
(Doutorado) — University of California at Berkeley, 1995.
SIMON, H. A. The structure of ill structured problems. Artificial Intelligence, v. 4, p.
181–201, 1973.
261
SPIRO, R. J. et al. Constructivism and the technology of instruction. In: DUFFY, D. J.
T. (Ed.). Cognitive flexibility, constructivism and hypertext: Random access
instruction for advanced knowledge acquisition in ill-structured domains. 1.
ed. Hillsdale, New Jersey: Hillsdale, NJ: Erlbaum, 1991. p. 24–33.
SUTHERS, D. et al. Representational and advisory guidance for students learning
scientific inquiry. In: FORBUS, K. D.; FELTOVICH, P. J. (Ed.). Smart Machines in
Education. New York: AAAI Press / The MIT Press, 2001. p. 7–36.
SUTHERS, D. D.; HUNDHAUSEN, C. D. An experimental study of the effects of
representational guidance on collaborative learning processes. The Journal of the
Learning Sciences, v. 12, n. 2, p. 183–218, 2003.
TOULMIN, S. The Uses of Argument. Cambridge, England: Cambridge University
Press, 1969.
VILLALBA, C.; ROMISZOWSKI, A. Strucutural communication and web based
instruction. In: IASTED - INNSBRUCK, AUSTRIA. Proceedings of the IASTED
International Conference WEB-BASED EDUCATION. Innsbruck, Austria,
2004. p. 20–24.
VIRVOU, M.; MOUNDRIDOU, M. Adding an instructor component to the architecture
of ITS Authoring Tools. International Journal of Artificial Intelligence in
Education, n. 12, 2001.
WAHLSTER, W.; KOBSA, A. User models in dialog systems. In: WAHLSTER, W.;
KOBSA, A. (Ed.). User Models in Dialog Systems. Berlin: Springer-Verlag, 1988,
(Symbolic Computation). cap. 1, p. 4–34.
WOOLF, B. P. et al. Critical thinking for science education. In: LOOI
GORD MCCALLA, B. B. J. B. C.-K. (Ed.). Artificial Intelligence in Education.
Amsterdam, Netherlands: IOS Press, 2005. p. 702–709.
ZAMPA, V.; LEMAIRE, B. Acquisition de connaissances à partir de textes: modéles
cognitif et computationnel. In: Conférence Ingénierie des Connaissances. Paris,
França: [s.n.], 2000.
Apêndice A - Exemplo de Atividade
Instrucional SC: “The Merchant
Adventurers”
O exemplo a seguir foi originalmente publicado em (EGAN, 1976).
The Merchant Adventurers
Intention
In this Study Unit we leave the political scene and look instead at English trade and how it affected,
and was affected by, the economy of this country and of Europe. While the economic life of country
followed its course alongside and continually interconnected with the political story, it has different
highlights, crises and disruptions. The deaths of kings, which tended to be climactic moments in the
political history of the country, were often quite irrelevant to the flow of the economy.
This Study Unit has the title The Merchant Adventurers. The Fellowship, or Company, of Merchant
Adventurers was formally created in 1486 and consisted of those London merchants who controlled the
profitable cloth trade with Flanders. We will see how the fluctuations in trade affected this powerful and
wealthy group, and how the changes were reflected in their attitudes and activities.
We will follow the story of English trade into the turbulent days of the 1550s, and take a brief look
APÊNDICE A. EXEMPLO DE ATIVIDADE INSTRUCIONAL SC: “THE
MERCHANT ADVENTURERS”
263
beyond at the great expansion of markets which took place during the reign of Elizabeth I.
Presentation
The Cloth Trade.
Throughout the Middle
50.000 lengths of cloth per year were exported. By
Ages the main English export had been wool. En-
the last years of Henry VIII’s reign about 120.000
glish wool was the best in Europe and had been
were taken over to Antwerp, and even more were
highly prized on the Continent, where it had for-
sold during the boom years.
med the raw material for the great cloth industries of Flanders and Northern Italy. But during
the century and a half before Henry VII came to
the throne, England had been developing a cloth
industry of its own. By Henry VIII’s reign, the
English carried about ten times more cloth than
raw wool in the great twice or thrice yearly shipments to the fairs in and around Antwerp. The
cloth was sold in lengths-officially 24 yards log,
but often quite a bit longer. There was really lit-
To feed this cloth industry, it has been estimated there were three sheep to every person in
England. The trade in cloth was an easy and profitable one and consequently it grew steadily, until
the whole economy was heavily dependent on the
sheep. A large proportion of the population relied
on the state of the wool and cloth trade for their
livelihood: from shepherds to those involved in the
cloth industry from cloth-dealers to the Merchant
Adventurers.
tle standardization despite official attempts to imThe wool travelled from the backs of the sheep
pose it. Besides the woolen cloth which made up
to be made up into cloth by either workshops in
the bulk of the exports, there were a variety of
the towns controlled by the guilds, or, as was more
other different sorts and qualities of cloth; light
and more frequently the case, by individual in the
kerseys, coarse ”dozens”, friezes and the northern
country outside the guild restrictions. Those out”cottons”which were much cheaper materials.
side the towns and guild control were able to work
The growth of the cloth trade throughout the
first half of the sixteenth century was steady and,
until the boom following the debasement of the
coinage, which we will consider later, just short
of spectacular. Early in Henry VII’s reign about
with just the needs of the markets in mind. The
guilds tried to ensure that the cloths made up by
their workers were then ”finished”(dyed and made
up into articles of clothing) by other members who
were traditionally involved in ”finishing”process.
264
The trouble was that foreigners had little respect
profit seems to have worked out at between 15 and
for English ”finishing”and much preferred to buy
25 per cent. This meant that a man could expect
raw cloth. Thus the country workers found that
to double his money in four or five years.
the cloth-dealers who bought up cloths around
the country for delivery to Blackwell Hall - the
Merchant Adventurers’ headquarters in Londonpreferred to buy from them, because they were
not restircted by guild regulations and were quite
happy to produce unfinished cloths.
The government too tried to ensure that English ”finishers”should work on English cloths before they were taken abroad, and laws were passed at regular intervals to prevent too big a proportion of unfinished cloths being exported. The
merchants, who knew what their markets wanted,
All this growing prosperity, however, was precariously based. It depended almost entirely on
the sale of a single commodity-cloth-in a single
market, and if anything went wrong with that market, or with the commodity, the whole economy
would be in trouble. This is just what happened.
The trade might have continued in its dull,
routine and profitable way had it not been for the
dramatic effects of the rise in prices which was
being felt all over Europe, and Henry VIII’s debasements of the currency which brought the English
economy to the brink of chaos.
simply ignored the legislation.
The Company and Politics. A ”merchant adFrom Blackwell Hall the cloths would be carried across the North Sea by the Merchant Adventurers, or by men they hired, and taken to the fairs
around Antwerp. There they would be laid out
on specific days and buyers from all over Europe
would come to look them over. The wool which
started on the back of an English sheep might finish up on teh back of almost anyone in Europe.
venturer”was one who traded with foreign parts.
The Company of Merchant Adventurers, formed
at the beginning of the reign of Henry VII, consisted of those men who controlled the cloth trade.
Their aim in forming the Company was to ensure that no merchant not belonging to their Company should get any of the profits from trading in
cloth. They tried to keep out other merchants by
Profits were good for the Merchant Adventu-
fixing the fee for membership so light that none
rers. They money was made on the sale of their
of the less wealthy merchants from ports outside
cloths abroad. They made little on the goods they
London (known as “outports”) could afford to pay
sometimes bought in Antwerp and re-sold in En-
it. Henry VII had to intervene and reduce the
gland. During the 1520s and 1530s the average
fee, but in so doing he acknowledge the right of
the Company to charge one.
265
There was some
money they made in other goods which they could
justification for the reasonable fee, because the
import into England and sell when they got back.
Company had to pay for upkeep of various offices and centres in London, and others in Antwerp.
(London dominated the cloth trade, as it dominated all foreign trade by this time. All the other
ports together handled only about one-tenth as
much trade as London.)
As well as the Com-
pany’s need to finance various offices it was ab-
At the end of the fifteenth and beginning of the
sixteenth centuries everything seemed to be going
well for the Merchant Adventurers. In 1496 Henry
VII had Negotiated a favourable trade treaty, the
”Intercursus Magnus”, with the Archduke Philip of
Flanders, which was to benefit the Company enormously.
solutely necessary to have a strong organization to
A further advantage the Merchant Adventuback up commercial ventures at that time. The
rers enjoyed during Henry VII’s reign was the
individual merchant stood little chance of survismallness of the customs tax on cloth. During
ving against the trading organizations-like German
the Middle Ages kings had continually increased
Hanseatic League in the Baltic, or the Venetians in
the tax on wool, till by 1485 the tax amounted
the Mediterranean-and a trade putting into a port
to about one-third of the value of the wool itself,
which a trading organization felt was ”theirs”might
whereas cloth which was a relative newcomer to
find himself negotiating by cannon.
the customs was taxed a barely noticeable 3 per
The Merchant Adventurers were not a com-
cent.
pany in the sense we tend to understand the word.
The Price Rise and Debasements.
During
They were unlike the joint-stock companies (of
the first decades of the sixteenth century England
whose development we will see the beginnings laexperienced a gradual price rise. The price of goter) in that they traded individually. They did
ods depends on the relationship between money
not pool their resources, except on occasions when
available and goods available. If there is not much
they hired protective ships when there was danmoney but plenty of goods prices are low. If there
ger from pirates. They bought individually from
is a lot of money but not many goods prices are
sources they found for themselves, and they negohigh. The causes of the sixteenth-century price
tiated their buying prices separately. Once across
rise, like any large-scale economic event, are very
in Antwerp they sold their cloths separately, and
complex and even now not fully understood. One
decided for themselves whether or not to invest the
clear cause, however, is traceable. That was the
266
influx of silver to Spain from her newly-won terri-
chant Adventurers enjoyed smooth and profitable
tories in the Americas. There was no increase in
business. They were helped by the encouragement
the production of goods in Spain, so the increased
and policies of Thomas Cromwell, who himself had
amount of money available led to and inevitable
been a merchant and had close connections with
rise in prices.
the Adventurers. The growing prosperity and we-
This situation made trading with Spain very
profitable. During the 1520s, the rise in prices was
affecting Spain before other countries, so an English merchant could buy goods cheap in England
and sell them at the higher price normal by then in
alth of the English merchants, and most of those
connected with cloth and wool, began to drive English prices up ever more rapidly-to the consternation of those who were gaining no profits to compensate for the increases in prices.
Spain. Thus the English merchant made his nor-
After the execution of Thomas Cromwell in
mal profit and also the difference between prices
1540, Henry VIII took upon himself the responsi-
in Spain and England.
bility for guiding the policies of his realm. The
Because of the heavy trade between Flanders
and Spain it was not long before the price rise hit
Flanders. The supply of money increased in relation to the supply of goods, because the Flanders
merchant took goods to the Spain and brought
their profits home. The increased output of the
German silver mines had the same effect. Again
the English merchants stood in a position of advantage. As the price rise in England was still
less rapid than in Flanders, the English merchants
could continue to buy goods relatively cheaply in
ENgland and sell them for the higher prices prevailing in Flanders.
This state of affairs continued throughout the
1530s when, despite some early trouble with the
Emperor Charles V, ruler of Flanders, the Mer-
economic policies he pursued were short-sighted
and disastrous. Involving himself in costly wars,
he quickly exhausted the fortune Cromwell had
made available to him, and so adopted the plan
of debasing the coinage. He reduced the amount
of silver in the coins, keeping the silver thus saved
in his Treasury. Since the coins were now worth
less, more had to be given than before for the same
amount of goods. With the demand for the goods on the market steadily increasing as the merchants bought more for shipment overseas, prices
rose dramatically, causing confusion and havoc throughout the country.
One immediate result of the debasements
however was that the Merchant Adventurers gained enormously. In 1522, the £ English was worth
267
32/-Flemish, but by 1551 after the evaluations it
they could sell in the normal markets of Antwerp,
was worth only 13/4 d. This meant that if an
were desperate to find new outlets.
English merchant paid £1 for goods in England
he would, in 1522, hav asked 32/-(plus his profit)
for them in Antwerp, whereas in 1551 he asked
only 13/4d (plus his profit). So, while the debasements hit English domestic trade, it made exporting much easier since the dealer at Antwerp were
able to buy the same goods at half the 1552 price.
The Diversification of Trading Efforts.
Lar-
gely because of this crisis, we see in the 1550s
the first really adventurous voyages from London in any quantity. The ease and ensured profits of the London-Antwerp trade trade made the
London-based Merchant Adventurers reluctant to
try further abroad. Earlier adventurous trading
Because of the cheapness in their selling price,
voyages, like those of the Bristol merchants to
English merchants found they could sell as much
Newfoundland , or Plymouth merchants who were
cloth as they could carry, and there were com-
excluded from the cloth trade to the Continent by
plaints from abroad that short sizes and inferior
the self-protective policies of the Merchant Adven-
cloth were being sold: an indication that En-
turers Company.
glish merchants were taking across everything they
could lay their hands on, sure of a ready market.
Earlier in the century, for the political reasons
English merchants had been discouraged from see-
But in 1551, after social unrest and riots, the
king new markets around Africa to the south, and
government took steps to reform the value of the
to the Americas in the west. The Tudor throne
English coinage. Once this had been done it be-
had needed the support of foreign monarchs, and
came much more difficult for the merchants to sell
so the newly founded ”empires”of Spain and Por-
their goods, because the earlier situation was now
tugal had been left alone. But by the 1550s relati-
reversed. During the boom years the merchants
ons with Spain were growing worse, despite Queen
had encouraged the expansion of the cloth indus-
Mary’s marriage to Philip II of Spain, and the need
try, and it had responded by increasing its output
for new markets made English seamen less inclined
enormously-only to discover in 1551 and the fol-
to respect Spanish and Portuguese ”property”.
lowing years that there was suddenly no market for
the increased output. Producers were angry, many
independent cloth makers ruined, and even merchants, finding themselves with more cloth than
With the trade collapse after the reforming of
the coinage came a spate of voyages alng new routes. Much of the money to pay for these more
risky adventures came from the tremendous pro-
268
fits made in the years between the debasements
ally in Spanish or Portuguese possessions, mer-
and the reforming of the coinage.
chants ran into local administrators who refused
Attempting to find a passage round the
northeast of Europe to India, and its spice trade,
English merchants found instead the great Russian Empire, and entered into trading relations
with Ivan the Terrible. Contact was made with
permission to trade, and so they were left with the
choice of simpky mving on empty-handed or fighting their way into the ports where there might be
people only too ready to trade with Englishmen, or
anyone, provided they carried goods were wanted.
the Levant (the eastern end of the Mediterranean)
Protection. After the crash of 1551 and the
where spices from Asia came through to Europe.
following years, the Merchant Adventurers conti-
With the weakening power of Portugal in the In-
nually lobbied the government for protection from
dian Ocean, more of these Asian spices were fin-
the economic consequences of reforming the coi-
ding their way overland.
nage. Sir Thomas Gresham brought help in the
Soon trade was carried on with North Africa
and Guinea. Expeditions went to North America,
again looking for a way to India. A new line in English trade was stuck out by Hawkins, who raised
money in London for expeditions to West Africa
to buy slaves from native rulers. He then crossed
to the West Africa to buy slaves from native rulers. He then crossed to the West Indies or Spanish
main, where he made large profits selling the slaves, and returned home with full holds of American
goods.
form of reorganization of the Merchant Adventurers’relationships with the State and with the
”staple”town of Antwerp (the town at whose markets all the cloth was sold, in exchange for certain
privileges). He gave the Company the monopoly
in the export of white cloth for which they had
struggled so long. But, for these privileges, protected by government well into Elizabeth’s reign,
the Merchant Adventurers’Company was heavily
taxed-in the same way as the wool merchants during the Middle Ages. Throughout the latter part
of the century the Company concentrated on con-
Many of the expeditions of these years ended
solidating the gains it had won, trying to protect
in failure, as trading also involved a possibility of
their government-given rights from “interlopers”
fighting and the probability of becoming involved
who tried to trade with Antwerp despite the Comin politics. Merchants often had to negotiate rights
pany’s monopoly. Again over the problem of interto trade from various rulers-for which rights they
lopers they turned to the government demanding
might have to pay dearly. Occasionally, especi-
protection.
269
mes held over to equip a bigger expedition. By
Later, in Elizabeth’s reign, the Company introduced ”stints”. That is, they allowed only certain amount of cloth to be exported, and by this
means tried to keep prices high and preserve and
protect their sure sales and profits. But, while
they continued their routine and, especially after
such means Hawkins and Drake found the money
for their adventures. Many were just excited by
prospect to quick returns from attacks on Spanish
treasure ships, or hopeful that they too might find
gold and silver somewhere with the ease and in
abundance that the Spaniards had.
the destruction of Antwerp in 1576, their slowly
The step from respetable trader to buccaneer
declining trade with the nearby continental coast,
was not very great in these times. Every merchant
the foundations of greater things were being laid
ship would be armed, and what was permitted in
around the world.
English law might be illegal in Spanish. Drake’s
New Adventures and Adventurers.
The
“joint-stock” companies which were formed in London were made up by men and women risking and
investment of money in expeditions to all parts of
the world. On the completion of the expeditionif it were successful-the profits were shared out
according to the investments made, or someti-
adventures made him a hero at home, and respectable enough to be knighted by the Queen herself,
whereas to the Spaniards to whom he caused terror
he was nothing but a pirate. Those were violent
times, and while the force of law was spreading
on land, there was no law on the open sea that
everyone would respect. The law of the cannon
ruled.
Investigation
Problem 1
During the first half of the sixteenth century, the Merchant Adventurer’s Company became one of the
most powerful and influential groups in England. They controlled the lucrative cloth trade with Antwerp
on which much of England’s growing prosperity depended. Their relationship with the government was
usually close, and they were respected and considerately treated by even the highest in the land. Their
wealth and pride were such that they added considerably to the pomp and splendour of state occasions.
270
Consider why this company nd its members should have achieved such a position of wealth and power
in sixteenth-century society. Why did it all happen ?
Using the RESPONSE MATRIX, construct a picture of those factors which were favourable to the
growth in power and wealth of the company.
Problem 2
The fortunes of the Merchant Adventurers’ Company to some degree prospered and the waned in
response to external conditions. It is difficult to see how far the Company’s fortunes also depended on
the dynamism and energy of its members.
Assume that you are trying to argue that the Company was never really very adventurous. Consider
what factors you would use to prove your case. (If you think they were really adventurous try nevertheless
to construct an argument which you might have to answer in order to make your case.)
Use the RESPONSE MATRIX to construct an argument which suggests the the Merchant Adventurers were not really very adventurous.
Problem 3
When the trade in cloth became more settled after the disturbances of the early 1550s, the Merchant
Adventurers’ profits continued to come in steadily, but the central theme of the story of English trading
history moves to the broader stage of the world’s ocean. With the extension of English trade-in area, and
variety, and variety of goods carried - the Merchant Adventurers’ Company’s fortunes were imperceptibly
but surely in decline. The late 1540s mark the highpoint of the Company’s profits, and its trade turnover
never again came up to the level of those years of boom.
Consider why this should have been so. What led to this decline? Use the RESPONSE MATRIX to
explain why their fortunes declined during the latter half of the century.
Problem 4
As mentioned in Problem 3, after 1550s the central theme of the story of English trade moves away
from the single contact with Antwerp and its great fairs, through which English cloth had travelled
271
to all parts of Europe. English ships were soon thereafter calling into ports around the Baltic, the
Mediterranean, Africa, the Americas, and little later, India and the Island of Pacific.
Consider the causes for this tremendous expansion of activity. Why was there such a sudden break-out
from the patterns of trading which had been practised earlier?
Use the RESPONSE MATRIX to explain why there should hava been such a burst of new trading
activities after 1551.
Response Matrix
1-Increasingly often
interlopers ignored
the Merchant Adventures monopoly
and traded in cloth
with the Continent
5-Henry VIII debased the coinage.
2-English seamen
hoped for the good
luck of the Spaniards in finding
silver and gold.
9-The
Merchant
Adventurer’s
monopoly
was
withdrawn.
13-In 1485 the custom tax on cloth
was only 3 percent
of the cloth’s value.
10-Some of the new
trading ventures reaped enormous profits.
14-The price rise
affected the Continent more strongly than England at
first.
17-The formation
of the joint-stock
companies offered
a new means of
financing trading
expeditions.
18-The Merchant
Adventurers continually appealed to
the Government for
protection against
competitors.
6-Some foreign trading organizations
were weakening.
3-Parliament
backed up the Merchant Adventurers’
claim to control
the sale of cloth
abroad.
7-Trade with the
continent was disrupted by wars
of religion and
the
Spaniards’
destruction
of
Antwerp.
11-The Merchant
Adventurers Introduced ”stints”.
15-Steps were taken
to repair the damage done to the
coinage by Henry
VII.
19-By trying to
sell
undersized
cloths during the
boom years, the
Merchant Adventurers damage their
reputation abroad.
4-Money was available in London, to
back risky expeditions.
8-Henri VII negotiated the ”Intercursus Magnus”.
12-It was “outport”
merchants
who
first traded with
the Americas.
16-The Merchant
Adventurers
had
to pay heavily
for the privileges
granted to them in
Elizabeth I’s reign.
20-The Merchant
Adventurers controlled nearly all
the cloth passing
through the port of
London.
Discussion Guide
272
273
Discussion Comments
A
I would exclude both of these items from my response because their refer mainly to period when the
Company’s fortune were in decline. There may well have been money available for investment in trade
during the early part of the century, and the profits from investment in the cloth trade certainly drew a
great deal of it, thus helping its growth, but the London-Antwerp “milk-run” could hardly be classed as a
risk expedition. Nor was the slow decline or foreign trading organizations during the early period really
of great benefit of the Merchant Adventurer’s Company. There is, however, a sense in which both these
items could be used to develop your picture of reasons for the growth of Company. It depends on how
you interpret them.
B
It is difficult to assess how far government “protection” for the Merchant Adventurers was effective at
a time when the government largely lacked the means to enforce its rulings. There were court cases
against men who trspassed on the Company’s monopolies, but such cases do not seem to have been a
great discouragement, in that shortly afterwards the same men can be found “interloping” again.
The company’s attempts to protect their own markets by introducing “stints” to ensure a steady but
not too great supply in the markets (thus keeping the prices up) was again of questionable value. The
markets were capable of considerable expansion, as they had proved during the boom years, and it is
possible that with a more adventurous policy they might have been able to sell a lot more cloth.
C
In these times, when peace and order were easily and often disrupted,trading was hazardous occupation.
For regular trading relations between countries it was thought necessary to have powerful and wellorganized companies in charge of the operation. And as trade also benefited the King whose subjects grew
wealthy from it, wise monarchs were careful to help their merchants. Henry VII was particularly noted
for the help he gave to the Merchant Adventurers’ Company, which, with the cooperation of Parliament,
274
ensured that they were able to control the valuable English cloth trade, on which the Company’s fortunes
depended. While there were obviously limits to the value of government help in this period, especially
in areas where the government largely lacked the means to enforce its rulings, I think that it was really
useful to the Company and certainly helped the growth.
D
When the Merchant Adventurers had gained a virtual monopoly over all the cloth passing through London
- which carried nearly ten times as much trade as all other English ports put together-their fortunes were
assured. The Staplers’ Company, which traded in wool, had been powerful and wealthy throughout the
Middle Ages, and had paid for its prominence and political support from the government by increasingly
heavy taxes on its cloth. In fact by the end of the fifteenth century the taxes were clippling the trade.
The cloth trade, however, suffered no such disadvantage, paying a mere 3 per cent of its value on passing
the customs. I think both these factors are essential to understanding why the Company achieved the
early success it did.
E
Though England felt the effects of rise in prices throughout the early sixteenth century, it was less marked
- until Henry VIII’s debasements - than on the Continent. This left the English traders at an advantage.
When the English coinage was debased the trader’s position was even more favourable. I think these
are both very important in explaining the growth of the Merchant Adventurers’ Company. If you do
not understand why these two items should have helped English traders, read again the section in the
PRESENTATION entitled “The price rise and debasements”.
F
All these statements I have interpreted as more or less irrelevant to the problem as I see it. It might
be that you have seen a conection which I thought too indirect do comment on, or perhaps you have
not understood exactly what the problem is concerned with. It may be that you have confused the time
scale, or included causes rather tha effects, or effects rather than causes, or it may be that the connection
275
you have seen is a perfectly good one wich has escaped me. Whatever the reason, if you re-read the
problem and the relevant part of the presentation, you should in most cases de able to work out why the
statements you included are nos dicussed specially.
G
I would tend to exclude this because it seems to me not necessarily a sign of unadventurousness. Though
when combined with their past activities and their flooding of the single market without any attempts
at diversifying their products, then I suppose it might be possible to use it to build a picture of the
Company’s unadventurousness.
H
Perhaps it is a little unfair to try to brand the Merchant Adventurers as unadventurous because they did
not use any of their profits from the London-Antwerp cloth trade to invest in voyages of adventure, or more
daring attempts to trade with different markets. I tend to think that item 4 is a form of condemnation
however, because the world’s markets were opening up and the prospects of profit from distant and exotic
markets were tremendous-for those with the courage to try. The joint-stock companies later were to prove
this true. I tend to think of the Merchant Adventurers as a rather stodgy crew on the whole.
I
The reasons for Parliament’s willingness to back up the Company’s claims to control the cloth trade are
various, and on the whole seem pretty reasonable. They wanted a strong organization in control of the
valuable cloth trade, and it was also convenient for the government to have a single strong organization,
which they could negotiate with and bring political pressure to bear on if ever thy wanted to use the cloth
trade as an instrument f political policy (as henry VII did once by prohibiting the cloth from passing over
to the Netherlands, thus bringing pressure on Philip of Burgundy). I would be inclined to put these items
together in arguing against the adventurousness of the Company, because of the way they were willing to
accept this comfortable position in return for protection and security. There seems to have been precious
little spirit of adventure in all the negotiations with the government.
276
J
In the first half of the sisteenth century the Company struggled to exclude “outport” merchants from the
profitable and relatively trouble-free trade with Antwerp. The Company ignored appeals from henry VII
to trade with North America, and it was left to Bristol merchants to brave the Atlantic to get to the
rich fishing grounds off Newfoundland. Plymouth sailors were trading with Brazil and central America,
despite the Spanish ban, while the London merchants were too content with the Antwerp trade to take
risks on more distant adventures. When the real adventures began, with men like Hawkins and Drake
braving the Atlantic and the powers of Spain and Portugal, the Merchant Adventurers were still ploughing
their way to and from across the little stretch of water between England and the Continental shores.
K
The main ambition of the Merchant Adventurers’ Company was to get a monopoly over the cloth trade
with Antwerp. With government help they gained a virtual monopoly during the first half of the century,
and came to control all the cloth that passed through London. Their defence, that it was necessary to
have a strong, well-organized company to control a steady and large-scale trade with a regular market,
is one that deserves respect. But even so, having won their monopoly, the Company certainly did not do
all it could to expand the cloth trade and help the cloth industry. Their policy was one of “safety first”,
and they were more concerned with their own interests than the country’s, or the workers’ who supplied
their cloth. Particularly in the second half of the sixteenth century, the Merchant Adventurers seemed
content to consolidate what they had gained, and seemed quite uninterested in taking any risks to extend
their markets. They introduced “stints” for their own members to ensure that the cloth they exported
would be scarce enough to keep the price high, thus ensuring regular and steady profits by easiest means.
I think both of these factors are essential in building a picture of the Company’s lack of adventurousness.
Both are arguable perhaps, and no doubt you will form your own opinion of their importance in relation
to the sense of adventure in the “Adventurers”.
L
I think this indicates exactly the opposite tendency than the one you are trying to show. SUrely the
debasement brought about the biggest boom the Company had never known. Read again the section in
277
the PRESENTATION entitled “The price rises and debasements”. Then reconsider whether you think
this item is an appropriate response for this Problem.
M
It is difficult to assess what effects the “interlopers” had on the Merchant Adventurer’s trade. They
showed at least that there was room for more trade than the Company was carrying on itself. But
whether they had any serious effect in taking trade from the Company is doubtful, despite the clamour
for the government protection. The “outport” merchants merely showed that there were profits to be made
with a far wider market than that which was opened up at Antwerp, but they hardly can be accused of
hindering the Merchant Adventurers in any way. The “join-stock” companies too, by demonstrating a
new and more flexible way of organizing trading ventures, and by attracting so much of available capital
for risk but often very profitable expeditions, may have had the effect of hindering the Company in some
way, but again it is not at all clear.
N
During the boom years, after the debasements and before the revaluation, the English merchants found
they could sell everything they could carry across to the Antwerp fairs. Everyone connected with the
cloth industry and cloth trade worked hard to expand production, but in the process a lot of shoddy
material seems to have passed across to the markets. The goodwill lost might have played its part in the
drop in sales over the following years. The company tried to prevent flooding of market and lowering of
prices by introducing “stints” in the 1560s. This ensured its members steady profits by keeping high the
prices of what they did take over to the markets; but this policy also ensured that their trade would not
expand further.
O
The withdrawal of the Company’s monopoly in the exporting of cloth in 1587 marked a further stage in its
decline. While it is difficult to estimate how far its members suffered because of this and the competition
it brought in, it can hardly have helped them. The monopoly, while it lasted, and the other trading
278
privileges granted by Elizabeth and her government, were held at heavy price. As the members of the
Staplers’ Company in the Middle Ages were taxed so heavily that it began to cripple their trade, so the
accumulation of taxes of various sorts that the Merchant Adventurers’ had to pay out for Elizabeth’s
patronage began to lead them into the same noose. Royal protection, especially from poor and needy
monarchs, was a privilege that was heavily paid for by English traders.
P
The 1550s and 1560s were not good times for the Company. While its power and influence seemed to
be still growing at the time, we can see, looking back, that it had passed the high point of its trading
years. The reforming of the coinage made selling its wares doubly hard after the low prices asked during
the boom years. The Continental markets became disrupted by religious wars, and the Staple town of
Antwerp was destroyed by the “Spanish Fury” - the Duke of Alba’s army-in 1576. I think these two
factors are of prime importance in explaining the decline of the Company. After overproduction for the
boom years, a flooding of an unwilling market, trying to sell at greatly increased prices, a cutting back
of production and prices paid for cloth at home, etc., chaos set into the whole organization of the cloth
trade. It was a chaos out of which the trade and the Merchant Adventurers’ Company climbed slowly
and painfully, and one that left a permanent scar.
Q
Any of the statements which brought you to this Comment could be seen as stimulating the expansion of
the area of English trade after 1551. The hold of the Merchant Adventurers over the biggest single item
of English trade, backed up by the government, acted as an inducement to other merchants to try their
hands elsewhere-especially as political disturbances on the Continent made the more traditional markets
less secure. The debasements made the fortunes of many traders, and so provided much of the capital
which financed the voyages to all parts of the world during the next decades. The influence of these
factors on the expansion of English trade is very difficult to trace or measure, but their influence is not
necessarily insignificant because of that.
R
279
The reforming of the coinage, combined with political reforms, was making trade with the traditional
Continental markets more difficult. With the capital made available during the boom years many merchants, business men, politicians, etc., were ready to invest in adventurous expeditions, in the hope of the
large profits which they saw Spanish merchants bringing home, and, as time went by, English merchants
too. The methods whereby capital was invested in the new “join-stock” companies made them more
flexible and able to take advantage of chances as they occured. I think these three items together for
constructing and explanation of why there was such a burst of new trading activity during the latter half
of the century.
S
With the weakening of foreign trading organizations like the Hanse, and the fact that it was no longer
politically necessary to respect Spanish claims to exclusive trade with the Americas, English seamen were
eager to try to emulate the huge profits the Spaniards and Portuguese were able to gather from their
newly won “empires”. The vast profits reaped by successful expeditions drew the adventurous like bees
to a honey-pot. I think each of these factors is important in explaining the motives which drew English
seamen from this island, which was so well placed for the new trade routes that were opening up.
View Points
You will have gathered tha I don’t have much
admiration for the adventurousness of the Merchant Adventurers.
It seems to me that there
were tremendous opportunities available at that
time for men with the means to sail the seas to
indulge any spirit of adventure they might have.
Whole new continents where being discovered and
opened up, fabulous wealth was available to those
who were ready to take risks in the vast stretches
of oceans which were being discovered (and were
found to lead NOT to edge ot the world or to hell).
Try to imagine how it must have appeared to a
man of the sixteenth century. Suddenly the world
expanded; more than doubled in size. New wonders were reported in London, and talked about in
the taverns. Slaves were shown off around London
as though they were strange creatures. The conquests of Spaniards and Portuguese were discussed with envy, and probably half disbelief. Unimaginable hoards of gold and jewels were dragged
280
from the ancient civilizations of South and Central
imaginative account of Raleigh’s life and adventu-
America. Great things were happening and being
res. Raleigh seems to me to be one of the most
done. ANd the Merchant Adventurers, who had
attractive figures in England’s history.
money, ships, tradable commodities, ploughed solemnly to and from across the Channel on LondonAntwerp milk run.
The was adventure in plenty to be had on the
sea in earlier times. Once on board and under
sail there were bureaucratic authorities to bother
Perhaps this is a little unfair. After all they
about. If captain and crew got on well, and if
were on to a good thing. Guaranteed profits of
there were reasonable food and conditions, then
15-25 per cent were not to be passed up for dan-
things could be enjoyable. This was rare however.
gerous risks. But it does seem that their greed
Many captains felt the only way to keep discipline
for those easy profits outweighed any sense of ad-
amongst the crew was to rule with a rod of iron-
venture they might have had. At the beginning
Drake was considered a “Dragon” by some of his
of the century a Venetian wrote of those English
own crews as well as the Spaniards. Food was
merchants that they were so greedy for the profits
usually bad, conditions disease-ridde. Perkaps the
they made in Antwerp that even if their fathers
Caribbean pirates had as good time as many in
were hanged at Antwerp gate they would crawl
this period.
between their legs to get to the town’s markets.
In various periods of Europe’s history men
It was the west country sailor who showed real
have been drawn to adventure by sea. The Phoeni-
imagination and adventure. The Hawkins family
cians were great seafarers a thousand years before
(William the father, John the more famous son,
Christ was born. There are those who suggest (eg.
and Richar the grandson), Drake, and perhaps
Constance Irwin in Fair Goods and Stones Faces)
the most creative, gallant and truly adventurous
that these ancient mariners were the first to sail
of them all, Walter Raleigh, laid the foundations
across the Atlantic to settle, at least a while, in
of England’s great seafaring tradition. The actual
America. There is strong evidence to suggest that
exploits of these men read like a tremendous ad-
this may be true. True also very probably sailed
venture story. You should be able to find plenty
completely round Africa, claiming, to the disbe-
of material on Hawkins’s and Drake’s voyages and
lief of the Greeks to whom we owe record of their
flights along the Spanish Main. Try to find also
voyage, that they reached places where the sun was
The Great Lucifer by Margaret Irwin. It is an
to the north of them, i.e. they were south of the
equator.
There are many mysteries and adventures on
the seas which we may never learn much more
about. One fascinating journey which may have
taken place is conjecturally described by Harold
S. Gladwin in Men Out of Asia. Alexander the
281
lous voyages. Roman coins have been found on the
coast of South America. South American natives
workshipped white-faced gods with beards-such as
they could never have seen had they not come from
old Europe (again, try to read Fair Gods and Stone
Faces). Many mysteries remain.
Great prepared a great fleet which was ready to
Only now are the seas becoming unadventu-
sail just as he died. After his death there is no
tous. The seas of adventure for us are becoming
record of the fleet. Gladwin plausibly argues that
the seas aboce the sky,and the ships which will go
it set off to the east and sailed past India, through
adventuring in them will probably be better recor-
the Far East, across the Pacific and finally settled
ded. Is is to be hoped, when space travel becomes
in America. Who knows?
easier and more common, when we will have me-
The Wikings, and the Irish wandering saints
giving themselves up to “the Irish habit of going
away”, have felt which nevertheless indicate fabu-
ans of navigatins these new seas which we cannot
even dream of now, that man will not be so dull
and unimaginative as the English Merchant Adventurers.
Apêndice B - Exemplo parcial de
Atividade Instrucional SC
Nesse apêndice apresenta-se o resultado do emprego da estrutura de representação de conhecimento
proposto no Módulo do Domı́nio do SCAT. Esse resultado consiste em um exemplo parcial de atividade
instrucional SC.
O exemplo foi gerado de forma automática a partir de informações fornecidas em um protótipo de
ferramenta de autoria. Essas informações consistem em:
• O objetivo da Atividade Instrucional.
• As metas da Atividade Instrucional.
• Documento texto da Seção Apresentação.
• KWK.
• Relacionamento entre cada KWK e as metas instrucionais.
As informações fornecidas para esse exemplo são as seguinte:
<Objetivo da Instruç~
ao:>
Desenvolver uma Leitura Crı́tica do Texto
<Metas do Objetivo:>
Identificar o problema abordado.
<keyword knowledge:>
Guerra
APÊNDICE B. EXEMPLO PARCIAL DE ATIVIDADE INSTRUCIONAL SC
283
Favela
Tráfico
Droga
Viciado
Usuário
Idenfificar os aspectos principais do problema
Consumidor
Opini~
ao
Médicos
Identificar a soluç~
ao apresentada pelo autor
legalizaç~
ao
Consumidor
Além dessas informações há necessidade de indicar o documento que formará a seção Apresentação.
Nesse caso o documento é um artigo da revista Veja, edição número 1851 de 28 de abril de 2004.
A partir dessas informações, o seguinte exemplo é gerado automaticamente. Esse exemplo ainda não
é o exemplo final e necessitaria de uma possı́vel edição.
Exemplo “A cheirada, a tragada e o sangue” após edição do autor.
A seção Intenção já foi editada pelo autor. As demais seções da SC foram ainda não foram editadas
pelo autor.
284
Intenção:
Nesta Unidade de Estudo estaremos abordando uma problemática atual no Brasil. Nesse contexto,
analisaremos o texto da Seção Apresentação. O objetivo desta atividade não é atingir um consenso, mas
sim, investigar qual a opinião do autor do texto a respeito do assunto.
Apresentação:
VEJA on-line
Page 1 of 2
2
3
4
&
( ) '
(+
' (
&
!
'
%
')
(
! -(
&
01
!
*3
!
%
"
! "!
#
$
%
'
!
(
'
(
.
!
%+
/
. (
'
! '
(
!
'
#
(
4
%
(
'
(
(
!
" #
$
&
'
*
,$
-
2
*
'
!
'(
)
&
(
)
4
&
/ 5 *
!
%
(
(
(
/
6
!
*
"
$
- . )
"
&
%
'
&
7
$!
<
;
!
1
"
!
*
.
:
(
$!
$
%
4
9
3
%
%
(
(
'
!
!
$
+
%=0
#
!
4
!
!
http://veja.abril.com.br/280404/pompeu.html
2
7
)
!
$
(
#
>
*
&
.%
!
-
(
:$
7
!
!
!
!
(
9 !
- 0
1
8
74
*
,
- .
/
$
(
%
!
6
%
$
!
*
)
+
!
1
6
4
%
1&
-
0
%
?
0
@
*
19/9/2005
VEJA on-line
Page 2 of 2
%
%
$1 6
> (
$
!
!
*
+
$
A
%
!
'
(
&
%
!!
/
B
4
%
7
!
&
!
(
7
%
&(
1
%
&
%
6
&
%
!
-
' ( &'
&
(
C
D
! #
$(
(
%
!
%
*
#
+
!
*
!
;
-%
* @,$ *
%
7
!
%
%
7
&$
5
(
!
&#
&
%
(
- '
% %
'
! "!
&
-
.
<
(
&
4
%
#
-
1 1!
(
E
+
'
'
?
!
'
<
( & *
*
! # %
4
!
(
-
& $
!
5
(*
%
4
@.
$
5
*
)
F
&$
%
%
0
!
%
(
D !
( *
?
( &
A
'
(
)
!
'
?
G
%
+
G
(
-
! * #
! $!
(
* .(
7
*
+ D
H
) + %
*
* &
$(
!
$
A
.
%
!
$
(
6
(
+
9
$
+
>
!$
$
#
$!
A
"
http://veja.abril.com.br/280404/pompeu.html
19/9/2005
287
Matriz Resposta
Os elementos “F” da Matriz Resposta podem ser, os seguintes fragmentos do domı́nio obtidos do
documento da seção Apresentação, apresentados na seguinte sequência:
F1: Def Yuri, colunista do site Viva Favela , já citado aqui na semana passada , chama de “desgraçados”
os consumidores eventuais de drogas.
F2: Def Yuri, que escreve em nome da população das favelas, uma “gente trabalhadora, que apesar de
tudo e de todos luta bravamente para sobreviver e poder exercer a sua cidadania”, investe com
fúria contra os consumidores da Zona Sul carioca.
F3: Note-se que, ao mencionar o “bagulho”, o colunista do Viva Favela inclui os consumidores de maconha
no pacote.
F4: É a vida dos outros, dos que foram ficando no meio do caminho até que a droga chegasse à boca ou
ao nariz do consumidor.
F5: O conflito das últimas semanas na Rocinha trouxe à luz um personagem nem sempre merecedor da
atenção devida, quando se discutem as guerras nas favelas - o usuário de drogas.
F6: “Depois certamente assistirão ao resultado do estrago pela televisão, jornais e certamente se esconderão (são covardes por natureza) e segurão com sua fúria consumidora para outra comunidade,
onde, tal qual parasitas, continucarão institucionalizando as ditaduras do medo, dor e opressão”,
escreve o colunista.
F7: Não é pelo fato de ter sido trazido ao primeiro plano que o consumidor eventual mudará de hábitos.
F8: Há duas espécies de consumidores.
F9: A segunda é a dos consumidores eventuais, também chamados de “recreativos”.
288
F10: Na mesma linha de Def Yuri, a psiquiatra Maria Thereza de Aquino, coordenadora do Núcleo de
Estudos e Pesquisas em atenção ao Uso de drogas (NEPAD), da Universidade Estadual do Rio de
Janeiro, disse ao jornal O Globo: “Ele (o usuário recreativo) usa drogas com quem toma um ou
dois chopes.
F11: O mais óbvio dos remédios seria aquele que os traficantes mais temem: a legalização das drogas.
F12: De modo mais inovador, trouxe ao debate uma questão antes circunscrita aos especialistas - a
distribuuição entre o usuário viciado e recreativo.
F13: a droga não mataria mais inocentes, como as populações faveladas hoje reféns da bandidagem.
F14: A maconha costuma gozar de status privilegiado entre as drogas.
F15: A primeira é a dos viciados, também chamdados de dependentes quı́micos.
F16: Como responsabilizar o viciado se, doente, falta-lhe a consciência dos atos?
F17: Tal qual a cerveja entre as bebidas, a maconha, entre as drogas, seria inocente como a água com
açúcar, ou quase.
F18: O senso comum considerava o usuário evntual como o elo menos nocivo da cadeia.
F19: Já o outro usuário, este encontra-se - e ele é o primeiro a fazer questão de afirmá-lo - em total
posse das faculdades mentais.
F20: Os “desgraçados”, segundo ele, “alimentam com seu prazer egoı́sta”, a guerra que tanto sangue tem
derramado nos morros.
Desafios:
DESAFIO 1: Quais elementos da Matriz Resposta identificam o problema abordado pelo texto.
DESAFIO 2: Quais elementos da Matriz Resposta idenfificam os aspectos principais do problema.
DESAFIO 3: Quais elementos da Matriz Resposta melhor descrevem a solução apresentada pelo autor.
289
Guia de Discussão:
DESAFIO 1: I(20, 5) ler comentario a respeito do conceito [Guerra]
I(5, 13, 2, 3, 1) ler comentario a respeito do conceito [Favela]
I(15, 16, 12) ler comentario a respeito do conceito [Viciado]
O(15, 16, 12) ler comentario a respeito da ausencia do conceito [Viciado]
O(5, 12, 10, 18, 19) ler comentario a respeito da ausencia do conceito [Usuário]
DESAFIO 2: O(20, 5) ler comentario a respeito da ausencia do conceito [Guerra].
O(5, 13, 2, 3, 1) ler comentario a respeito da ausencia do conceito [Favela].
I(2; 3; 1; 11; 4) and I(8; 9; 7; 6; 24) ler o comentario a respeito de [Consumidor]->[Médicos].
I(2; 3; 1; 11; 4) and I(8;9;7;6) ler o comentario a respeito de [legalização]->[Consumidor].
O(4, 1, 2, 3, 8, 9, 7, 6) ler comentario a respeito da ausencia do conceito [Consumidor].
DESAFIO 3: I(4, 1, 2, 3, 8, 9, 7, 6) ler comentario a respeito do conceito [Consumidor].
I(4; 1; 2; 3; 8; 9; 7; 6; 11) ler o comentario a respeito de [legalização].
I(11) ler comentario a respeito do conceito [legalização].
O(11) ler comentario a respeito da ausencia do conceito [legalização].
FOLHA DE REGISTRO DO DOCUMENTO
1.
CLASSIFICAÇÃO/TIPO
TD
5.
2.
DATA
27 de novembro de 2007
3.
DOCUMENTO No
4.
CTA/ITA -IEC/TD-003/2007
No DE PÁGINAS
289
TÍTULO E SUBTÍTULO:
Conceitos e Modelos de Execução de Exercı́cios de Comunicação Estrutural
6.
AUTOR(ES):
7.
INSTITUIÇÃO(ÕES)/ÓRGÃO(S) INTERNO(S)/DIVISÃO(ÕES):
Instituto Tecnológico de Aeronáutica. Divisão de Ciência da Computação – ITA/IEC
8.
PALAVRAS-CHAVE SUGERIDAS PELO AUTOR:
Sistemas Instrucionais Inteligentes; Comunicação Estrutural; Problemas mal estruturados
9.
PALAVRAS-CHAVE RESULTANTES DE INDEXAÇÃO:
Instrução Assistida por Computador; Solução de Problemas; Inteligência Aritifical; Sistemas Especialistas;
Engenharia de Software
10.
APRESENTAÇÃO:
(X) Nacional ( ) Internacional
ITA, São José dos Campos, 2007, 289 páginas
11.
RESUMO:
A integração da técnica instrucional chamada Comunicação Estrutural ou Structural Communication-SC e um
tı́pico Sistema Tutor Inteligente é o objeto desta pesquisa. Desenvolvida na década de 60, essa técnica baseia-se
no emprego de um mecanismo de casamento de padrão juntamente com um conjunto de regras de produção.
Identificar quais mensagens textuais deveriam ser apresentadas como retorno da solução apresentada por um
aprendiz a um problema pouco estruturado é o cerne dessa técnica. Diante da grande quantidade de soluções
possı́veis que poderiam ser apresentadas a esse problema, o sistema de casamento de padrão apresenta-se como
mecanismo inapropriado para selecionar essas mensagens. Logo, investigou-se a possibilidade de substituição
do sistema de casamento de padrões por um sistema de cálculo da distância entre dois vetores binários. Nesse
contexto, busca-se identificar a regra mais próxima de qualquer solução apresentada. Investigou-se, também,
como representar de forma estruturada o domı́nio pouco estruturado em atividades instrucionais que utilizam
essa técnica. Os resultados obtidos nesta pesquisa poderão servir de auxı́lio aos desenvolvedores de Sistemas
Tutores Inteligentes baseados na solução de problemas mal estruturados.
12.
GRAU DE SIGILO:
(X) OSTENSIVO
( ) RESERVADO
( ) CONFIDENCIAL
( ) SECRETO

Tese apresentada à Pró-Reitoria de Pós

Transcrição

Documentos relacionados

Matemática Discreta 2011.1

1 Segunda Prova: EDO - Mecânica /Integral em 20/10/2015 C. A.

Gabarito - Profmat

Equaçoes Diferenciais Parciais

Sermos uma `agência modelo`, formada por um mundo de

Quest˜oes resolvidas

P2 F´ısica III

Prova - Profmat

Soluç˜oes Comentadas das Provas de Matemática

Ambiente de monitoramento para o Canal da Piracema