Disciplina: Engenharia de Software orientada a Agentes Prof. Dr. João Carlos Gluz

1. Agentes Pedagógicos para o ensino de Lógica com interações baseadas no perfil do aluno e em Objetos de Aprendizagens Disciplina: Engenharia de Software orientada a Agentes Prof. Dr. João Carlos Gluz Alunos: Fabiane e Daniel São Leopoldo, setembro de 2010

2. Tópicos do trabalho abordados: 3 – Arquitetura dos Agentes 4 – Caso de Uso 5 – Considerações Finais 6 – Referências Bibliográficas 1 – Resumo – Objetivo - Introdução 2 – Tecnologias Utilizadas 2.1 – Agentes Inteligentes 2.2 – OBAA e OBAAMILOS 2.3 – Ontologias 2.3.1 – Domínio de Ensino 2.3.2 – Estratégias de Aprendizagem 2.3.3 – Perfil do Aluno

3. Resumo • O presente trabalho tem como objetivo descrever a interação entre agentes pedagógicos para apoio no uso de objetos de aprendizagens (OAs) no ensino de Lógica a distancia. Esta interação baseia-se inteiramente em ontologias criadas para definir o perfil do aluno, as estratégias de aprendizagem e o conteúdo de Lógica. Com isso os agentes são capazes de conhecer o OA num determinado contexto e auxiliar o aluno de acordo com sua necessidade. Os OAs seguem o padrão OBAA de metadados.

4. Tecnologias Utilizadas – Agentes Inteligentes • Um agente é tudo o que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por intermédio de atuadores, conforme apresentado na figura abaixo:

5. Tecnologias Utilizadas – Agentes Inteligentes • Dentro das características básicas cognitivas, um agente deve ter: • Autonomia; • Sociabilidade; • Proatividade; • Reatividade.

6. Tecnologias Utilizadas – Agentes Inteligentes • Podemos empregar agentes inteligentes no âmbito da educação, por exemplo, por meio de sistemas tutores inteligentes, onde estes sistemas são responsáveis por aprender/coletar informações relevantes sobre o aluno a fim de auxiliá-lo de forma individualizada no aprendizado tomando decisões pedagógicas sobre a melhor maneira de como transmitir o conteúdo didático.

7. Tecnologias Utilizadas – Agentes Inteligentes • A figura abaixo descreve o modo como o sistema se relaciona com as ontologias, OAs e aluno.

8. Tecnologias Utilizadas - OBAA • O projeto de pesquisa OBAA busca identificar pontos de convergência entre as tecnologias de OAs e de Sistemas Multiagente de maneira que ambientes de aprendizagem tenham mais flexibilidade, adaptabilidade e interatividade. Nesse sentido o projeto busca uma abordagem nas quais OAs tenham sua construção baseados em agentes. O resultado a ser alcançado trata-se de um padrão para OAs interoperáveis (WEB e TV-Digital, com possíveis extensões para telefones móveis) para WEB e TV-Digital.

9. Tecnologias Utilizadas - OBAA • Critérios utilizados para implementação e projetar o padrão: • Adaptabilidade e interoperabilidade: a mesma descrição de um OA pode ser usada de forma interoperável, adaptando-se as características das plataformas digitais como Web, TV Digital e dispositivos móveis. • Compatibilidade: o padrão de metadados de OA deve ser compatível com o panorama de padrões internacionais. • Acessibilidade: o padrão deve possibilitar o acesso aos OA por todos os cidadãos, inclusive aqueles com necessidades especiais. • Independência e flexibilidade tecnológica: o padrão deve ser flexível e capaz de suportar as inovações tecnológicas, permitindo extensões sem perder a compatibilidade com o conteúdo já desenvolvido;

10. Tecnologias Utilizadas - OBAA • Assim, a proposta de padrão resultante desta análise foi definida de forma aberta e flexível, sendo compatível não só com o panorama de padrões educacionais e multimídia atuais, mas também assegurada através da definição da sintaxe XML e semântica dos metadados através de ontologias OWL, compatível com a Web Semântica.

11. Tecnologias Utilizadas - OBAAMILOS • Infraestrutura para Suporte a Objetos de Aprendizagem OBAA; • O objetivo geral do projeto infraestrutura OBAAMILOS é criar as bases tecnológicas que permitam efetivar a adoção da proposta metadados de objetos de aprendizagem OBAA como o futuro padrão nacional para objetos de aprendizagem.

12. Tecnologias Utilizadas - OBAAMILOS • Onde inclui: • O projeto e implementação de ferramentas tecnológicas de apoio ao padrão para, por exemplo, utilização, compatibilização e verificação. • A elaboração e publicação de melhorias, correções, adições e atualizações do padrão, além da geração de conteúdos e materiais baseados no padrão.

13. Tecnologias Utilizadas - OBAAMILOS • Esta infraestrutura é extensivamente baseada no uso de agentes pedagógicos, sistemas multiagentes e ontologias. Em termos arquiteturais está dividida em três grandes níveis de abstração: • Ontologias; • Agentes; • Serviços de interface.

14. Tecnologias Utilizadas - OBAAMILOS • A camada ontologias contêm além da ontologia de metadados OBAA, as ontologias sobre domínios de ensino e aplicações educacionais ou multimídia, todas construídas usando a ontologia OBAA como o vocabulário de termos básico. • As ontologias contidas no nível de Ontologias deverão ser obrigatoriamente definidas em OWL.

15. Tecnologias Utilizadas - OBAAMILOS • A camada de agentes implementa as principais funcionalidades da MILOS, onde os seguintes sistemas multiagente implementados sobre JADE são previstos: • Sistema de catalogação/Busca Federada de OA: cria e gerencia federações de catálogo de OAs, permite a busca dos metadados em toda a federação de forma transparente ao usuário; • Sistema de Apoio Pedagógico: suporte para busca dependente do contexto e uso de estratégias de ensino; • Sistema de Autoria: assistência para autoria de OAs multimídia e multiplataforma; • Sistema de Gerência de OAs: gerenciamento e publicação de OAs nas distintas plataformas.

16. Tecnologias Utilizadas - OBAAMILOS • A camada de serviços oferece facilidades de interface para Web permitindo que os agentes e sistemas multiagente da MILOS possam ser acessados por ambientes e aplicações educacionais, além de permitir também que estes agentes tenham acesso aos repositórios de OAs, serviços de diretórios, plataformas de EAD, bancos de dados e servidores Web.

17. Tecnologias Utilizadas - Ontologias • Neste trabalho o paradigma adotado foi o de ontologia com semântica baseada em DL, sendo empregado para definir a semântica da linguagem OWL (Web Ontology Language) definida como o padrão para especificação de ontologias pelo W3C (World Wide Web Consortium), por possuir a flexibilidade de utilização e ampla adoção pela comunidade científica. • Além disso, a linguagem OWL é uma recomendação da W3C para a especificação de ontologias de acordo com a iniciativa da Web Semântica.

18. Ontologia – Domínio de Ensino • O domínio de ensino discutido neste trabalho está contido na disciplina de Lógica que abrange a área de conhecimento das Ciências Exatas e da Terra. • Num contexto mais focado o conteúdo descrito neste domínio de ensino tem como base o livro: Lógica para Computação, utilizado pelos cursos de graduação na Área de Computação da Universidade do Vale do Rio dos Sinos – UNISINOS, ofertada na modalidade à distância.

19. Ontologia – Domínio de Ensino • Esta disciplina objetiva o aprendizado dos conceitos da Lógica Proposicional e da Lógica de Predicados. • Seguindo as orientações deste plano, a ontologia de conteúdos educacionais está estruturada em cinco níveis distintos: • Área de Conhecimento; • Disciplina; • Tema estruturador; • Unidade Temática; • Item de ensino (Conteúdo).

20. Ontologia – Domínio de Ensino • A figura abaixo representa parcialmente a ontologia de conteúdo, mostrando a expansão da classe Unidade Temática que abrange cinco subclasses.

21. Ontologia – Estratégia Pedagógica • O plano de ensino abrange ainda em seu conteúdo, estratégias pedagógicas na articulação de sua estrutura. Desta forma, o domínio de ensino estudado está dividido em duas ontologias: de conteúdo e de estratégias pedagógicas. • A combinação da ontologia de conteúdo mais a ontologia de estratégias pedagógicas formam o domínio de ensino que compreende a disciplina de Lógica.

22. Ontologia – Estratégia Pedagógica • Na ontologia de Estratégias de Aprendizagem temos: • As metodologias, técnicas e recursos de ensino e aprendizagem. • As metodologias, técnicas e recursos de avaliação;

23. Ontologia – Estratégia Pedagógica • Seguindo a estruturação do domínio de conteúdo, a ontologia das estratégias pedagógicas foi estruturada da seguinte forma: • Objetivo; • Habilidade; • Conteúdo Disciplinar; • Atividade; • Perspectiva Metodológica; • Avaliação.

24. Ontologia – Estratégia Pedagógica

25. Ontologias – Perfil do Aluno • Um perfil descreve uma pessoa, permitindo a identificação de dados pessoais, preferências, características, objetivos, entre outros. • No ambiente educacional a descrição de perfis de alunos serve para permitir que se tenha um maior conhecimento da realidade e das necessidades do aluno, tornando assim, o sistema mais adaptativo. • A idéia é que a partir da análise do perfil do aluno seja possível adequar a estratégia de ensino ao aluno, fornecer material didático adequado, acompanhar o desenvolvimento e a evolução do aluno, entre outros.

26. Ontologias – Perfil do Aluno - Padrões de perfis • IEEE PAPI: • O padrão Public and Private Information Learner é dedicado a troca de informações entre diferentes sistemas. Ele especifica tanto a sintaxe quanto a semântica do perfil de aluno. O padrão teve sua primeira publicação em 1997, e atualmente se encontra na versão draft 8 publicada em novembro de 2001. • O padrão PAPI descreve um conjunto de informações, relevantes, sobre o aluno, e atualmente está dividido em seis categorias, como pode ser visto na figura seguinte:

27. Ontologias – Perfil do Aluno - Padrões de perfis

28. Ontologias – Perfil do Aluno - Padrões de perfis • IMS Learner Information Package (LIP): • O LIP (Learner Information Packege) foi desenvolvido pelo IMS Global Consortium e trata da interoperabilidade entre sistemas que se baseiam em informações de alunos. O objetivo do padrão é definir um conjunto de grupos de dados que possam ser compartilhados entre diferentes sistemas, permitindo assim a criação de ambientes de aprendizagem distribuídos . • Uma das facilidades para a utilização do LIP, é que ele apresenta um exemplo de implementação em XML, além de descrever a estrutura dos dados e as melhores práticas para utilização do modelo.

29. Ontologias – Perfil do Aluno - Padrões de perfis • O IMS LIP está dividido em onze categorias, como mostra a figura abaixo:

30. Ontologias – Perfis de aluno • Ontologia proposta por Dolog.

31. Ontologias – Perfis de aluno - OntoLearner • A ontologia OntoLearner foi definida com base nos padrões PAPI e LIP, e utiliza mutuamente os principais elementos de cada um dos dois padrões, gerando o modelo mínimo necessário [16]. • Além de cobrir os dados necessários para estar de acordo com os padrões, a ontologia OntoLearner apresenta informações sobre o estilo cognitivo do aluno. Este estilo cognitivo da pessoa é considerado uma das características mais estáveis que influencia na realização de tarefas de aprendizagem.

32. Ontologias – Perfis de aluno - OntoLearner • A figura abaixo apresenta a estrutura básica da Ontolearner;

33. Estudo de Caso • Atualmente o sistema está em fase de construção e possui implementado, agentes capazes de ler e entender o conteúdo das ontologias, onde o usuário é capaz de pesquisar se um determinado vocabulário faz parte de seu conteúdo.

34. Estudo de Caso • Os agentes da aplicação estão organizada da seguinte forma: • Classe principal: responsável por efetuar a leitura das ontologias e verificar se nelas está contigo determinado elemento; • AgentOntoDomain: agente capaz de manipular a ontologia de domínio; • AgentOntoEduStrategy: agente capaz de manipular a ontologia de estratégia de ensino; • AgentOntoLearner: agente capaz de manipular a ontologia de perfil de aluno.

35. Arquitetura da Aplicação • A manipulação das ontologias se dá através da troca de mensagens. Cada agente é capaz de manipular uma determinada ontologia, ou seja, realizar inferências em uma determinada ontologia para a qual ele conhece. • A figura a seguir demonstra a troca de mensagens entre a interface do JADE e o agente capaz de manipular a ontologia de perfil de aluno.

36. Arquitetura da Aplicação Na consulta acima é possível verificar que a subclasse “Learner” está contida dentro da ontologia.

37. Considerações Finais • Ainda existem diversos objetivos a serem alcançados a partir deste trabalho, todos eles focando o desenvolvimento de agentes robustos, capazes de manipular ontologias, comunicar-se com banco de dados e entre si. • Um dos próximos passos é selecionar a linguagem de comunicação padrão a ser adotada, tanto para comunicação entre agentes, quanto entre agentes e usuário e agentes e banco de dados.

38. Considerações Finais • Diante deste cenário e visando permitir uma identificação mais precisa do assunto que trata o objeto de aprendizagem, surge à necessidade de uma interface que permita ao usuário interagir com os agentes, sendo possível, por exemplo, o desenvolvimento do sistema multiagente para tutoria da disciplina de lógica proposto neste trabalho.

39. Referencias Bibliográficas • [1] PORTAL OBAA. Disponível em: <http://www.portalobaa.org/obaac>. Acessado em 26/08/2010; • [2] PROJETO OBAAMILOS. Disponível em: <http://obaa.unisinos.br/?pg=concretizacao_dos_metadados.html>. Acesso em 26/08/2010. • [3] RUSSEL, STUART; NORVIG, P. Inteligência Artificial. Capítulo 2: AGENTES INTELIGENTES. Elsevier Editora, 2004. • [4] GLUZ. JOÃO CARLOS. INTRODUÇÃO A INFRAESTRUTURA MILOS. Pós-Graduação em Computação Aplicada (PIPCA), Universidade do Vale do Rio dos Sinos (UNISINOS). Maio, 2010. • [5] GLUZ. JOÃO CARLOS, PY, MÔNICA XAVIER. LOGICA PARA COMPUTAÇÃO. Coleção EAD – Editora Unisinos, 2010. • [6] XAVIER, ANA CAROLINA. AutoEduMat: Ferramenta de Apoio a Autoria de Metadados de Objetos de Aprendizagem para o Domínio de Ensino de Matemática. Dissertação de Mestrado. Universidade do Vale do Rio dos Sinos, 2010.

40. Referencias Bibliográficas • [7] FILETO, RENATO. Construindo Aplicações na Web Semântica: Parte 1: Introdução à Web Semântica. Programa de Pós-Graduação em Ciência da Computação – PPGCC. Universidade Federal de Santa Catarina – UFSC. 2010. • [8] The OWL API. Disponível em: <http://owlapi.sourceforge.net/index.html>. Acesso em 30/08/2010. • [9] Protègè. Disponível em: <http://Protègè.stanford.edu/>. Acesso em 28/08/2010. • [10] LIP. Learner Information Package Specification 1.0.1. 2005. Disponível em: <http://www.imsproject.org/profiles/lipv1p0p1/imslip_sumcv1p0p1.html>. Acesso em: 15/08/2010. • [11] PAPI. IEEE 1484.2. Draft standard for learning technology. Public and private information (papi) for learners (papi learner). 2001. Disponível em: <http://ltsc.ieee.org/meeting/200112/doc/papi_learner_parts.ppt>. Acesso em: 15/08/2010.

41. Referências Bibliográficas • [12] MACE-Dir. 2008. EduPerson Object Class Specification. Disponível em: <http://middleware.internet2.edu/eduperson/docs/internet2-mace-dir-eduperson-200806.html>. Acesso em: 18/08/2010. • [13] Saba. 2000. A comprehensive Architecture for Learning. Universal Learning Format. Version 1.0. • [14] CEN WS-LT. 2010. LTSC PAPI - Overview. Disponível em: <http://www.cen-ltso.net/%28X%281%29S%28w2asaa45we3ktz45g1lx0q45%29%29/main.aspx?put=230>. Acesso em: 28/08/2010. • [15] MUSA, D.L et al. User Profile Interchange in a Service-oriented Architecture. In: DISWEB. • 2006, Luxemburgo. CAiSE 2006 Workshops, 2006. • [16] MUSA, D.L et al. 2007. OntoLearner: Uma Ontologia para Perfis de Alunos Baseada em Padrões.

42. Referências Bibliográficas • [17] DOLOG P., Schaefer, M. Learner Modeling on the Semantic Web. In: Proc.of PerSWeb-2005 Workshop, July, 2005, Edinburgh, UK. • [18] Lógica. Ementa da disciplina. Universidade do Vale do Rio dos Sinos – UNISINOS, 2010.