Denna uppsats undersöker effekter av psykologisk debriefing och avlastningssamtal efter traumatiska händelser hos brandpersonal. Enkätstudiens fokus låg på brandpersonalens känslomässiga påverkan av traumatiska händelser i arbetet. Femtionio personer deltog i enkätstudien, varav 91 procent upplevt en traumatisk händelse. Det fanns inga signifikanta skillnader i posttraumatiska stressreaktioner och psykologiskt välbefinnande hos brandmän efter traumatisk händelse beroende av huruvida brandmännen deltagit i tidig intervention i form av avlastningssamtal, psykologisk debriefing eller inte medverkat i någon form av tidig intervention. / This study investigated the effectiveness of psychological debriefing after traumatic events among professional firefighters. We sought to understand the emotional effect of traumatic events in daily work. To examine this, a survey was conducted with 59 firefighters and among these 91 percent had experienced a traumatic event. There were no significant difference in post trauma reactions and psychological well being among firefighters after traumatic event depending on participate or not participate in psychological debriefing.

Projektet skapades från viljan att framställa en virtuell träningsmiljö där blivande lärare kan öva och bättra på sin icke-verbala kommunikation när dem undervisar. Projektet funkar genom att fånga användarens rörelser och rendera virtuella agenter på en skärm framför användaren. Att stå framför en statisk skärm och undervisa kan dock inte kännas helt realistiskt. Denna rapport kommer gå igenom implementationen av en huvudmonterad display, mer specifikt Oculus Rift, för att skapa en virtuell verklighet och utökningen av de virtuella agenternas beetende och nya sätt att interagera med agenterna. De täcker även resultaten från experimenten där den nya funktionaliteten blev utvärderad. Experimenten gjordes genom att låta 18 personer testa systemet i både den gamla och nya uppsättningen och sedan fylla i frågeformulär efteråt. / This project was created from the desire to provide a virtual training environment for teachers-intraining to practice and improve their non-verbal communication with students. The project worked by capturing the user’s movements and rendering the virtual agent’s to a screen in front of the user. Standing in front of a static screen to hold a lecture might however not feel entirely realistic. This report covers the implementation of a head-mounted display, specifically the Oculus Rift, to create a virtual reality as well as the extension of the virtual agent’s behavior and new ways to interact with the virtual agent’s. It also covers the results of an experiment where the new functionality was evaluated. The experiment was done by allowing 18 persons to test the system in both the old and new configurations and fill in questionnaires afterwards.

[pt] O compartilhamento e o gerenciamento de dados pessoais são atividades desafiadoras devido à grande quantidade de dados gerados, carregados e digitalizados por cidadãos para utilizar serviços, online ou não. Esse desafio afeta não apenas os cidadãos, mas também os controladores e processadores de dados, que são responsáveis pela segurança, privacidade, anonimato e uso de dados fundados em bases legais e no propósito inicial quando os dados foram solicitados. Nesse cenário, a proteção e regulamentação dedados entram em cena para organizar esse ambiente, propondo direitos e deveres aos agentes envolvidos. No entanto, cada país é livre para criar e empregar sua própria regulamentação de dados, como o GDPR na União Europeia e a LGPD no Brasil. Portanto, embora o objetivo seja proteger os cidadãos, as regulamentações podem apresentar regras diferentes com base em sua jurisdição. Nesse cenário, as ontologias surgem para identificar as entidades e relacionamentos e mostrá-los em um nível de abstração elevado, facilitando o alinhamento das ontologias com diferentes regulamentações. Para isso, desenvolvemos um meta modelo baseado em ontologias da GDPR para possibilitar a representação da LGPD com foco na base legal do consentimento. Além disso, propusemos o GoDReP (Geraçãod e Cenários de Regulamentação de Dados) para permitir que os atores representem a interpretação de sua legislação em um cenário de aplicação específico. Apresentamos então três cenários diferentes para exercitar a aplicação do GoDReP. Além disso, nesta tese, também propomos uma arquitetura de sistema multiagente normativo e inteligente (RegulAI) para representar os direitos e obrigações apresentados pela regulamentação de dados pessoais, bem como o processo de tomada de decisão dos agentes.Por fim, desenvolvemos um estudo de caso aplicando o RegulAI no cenário de open banking. / [en] Sharing and managing personal data are challenging due to the massive amount of data generated, uploaded, and digitalized, informed by data subjects to utilize services, online or not. This challenge disrespects not only the data subjects, but also data controllers and processors, which are responsible for security, privacy, anonymity, and data usage under the legal basis applied and the initial purpose when the data were required. In this scenario, data protection and regulation take place to organize this environment proposing rights and duties to the involved agents. However, each country is free to create and employ its data regulation, e.g., GDPR in European Union and LGPD in Brazil. Therefore, although the goal is to protect the data subjects, the regulations can present different rules based on their jurisdiction. In this scenario, ontologies emerge to identify the entities and relationships to show them at a high abstraction level, facilitating ontology alignment with different regulations. To do so, we developed a metamodel based on GDPR ontologies to enable the LGPD representation focused on the consent legal basis. Moreover, we proposed GoDReP (Generation of Data Regulation Plots) to allow actors to represent their law s interpretation in a specific application scenario. As a result, we set three scenarios to exercise the GoDReP application. Moreover, in this thesis, we also propose an intelligent normative multiagent system architecture (RegulAI) to represent the personal data regulation rights and obligations, as well as the agent s decision-making process. Finally, we developed a use case applying RegulAI in the open banking scenario.

In this master thesis multiple time series of shipping industry and financial data are analysed in order to create a forecasting model to forecast freight rate indices. The data of main interest which are predicted are the two freight rate indices, BDI and BDTI, from the Baltic Exchange. The project investigates the possibilities for aggregated Vector Autoregression(VAR) models to outperform simple univariate models, in this case, an Autoregressive Integrated Moving Average(ARIMA) with seasonal components. The other part of this thesis is to model market shocks in the freight rate indices, given impulses in the other underlying VAR-model time series using the impulse response function. The main results are that the VAR-model forecast outperforms the ARIMA-model in forecasting the tanker freight rate index (BDTI), while the the bulk freight rate index(BDI) is better predicted by the simple ARIMA when calculating the forecast mean square error. / I denna avhandling analyseras multipla tidsserier över rederinärings- och finansiell data i syfte att skapa en prognosticerande modell för att prognosticera fraktratsindex. Dataserierna som i huvudsak prognosticeras är fraktratsindexen BDI och BDTI från Baltic exchange. I projektet undersöks om en aggregerad Vektor Autoregressiv(VAR) modell överträffar en univariat modell, i detta fall en Autoregressive Integrated Moving Average(ARIMA) med säsongsvariabel. I andra delen av denna avhandling modelleras chocker i fraktratsindexen givet impulser i de andra underliggande tidsserierna i de aggregerade VAR-modellerna. Huvudresultaten är att VAR-modellens prognos överträffar ARIMA-modellen för tankerraterna (BDTI), medan bulkraterna(BDI) bättre prognosticeras av ARIMA-modellen, i avseende på prognosernas beräknade mean square error.

Agent-based simulations are an effective simulation technique that can flexibly be applied to real-world business problems. By integrating such simulations into business games, they become a widely accepted educational instrument in the context of business training. Not only can they be used to train standard behaviour in training scenarios but they can also be used for open experimentation to discover structure in complex contexts (e.g. complex adaptive systems) and to verify behaviours that have been predicted on the basis of theoretical considerations. Traditional modelling techniques are built on mathematical models consisting of differential or difference equations (e.g. the well-known system dynamics approach). However, individual behaviour is not visible in these equations. This problem is addressed by using software agents to simulate individuals and to model their actions in response to external stimuli. To be effective, business training tools have to provide sufficiently realistic models of real-world aspects. Ideally, system effects on a macroscopic level are caused by behaviour of system components on a more microscopic level. For instance, in modelling market mechanisms market participants can explicitly be modelled as agents with individual behaviour and personal goals. Agents can communicate and act on the basis of what they know and which communication acts they perform. The evolution of the market then depends on the actions of the participants directly and not on abstract mathematical expressions. Generally, agent-based modelling is a challenging task, when modelling knowledge and behaviour. With the rise of the so-called semantic web ontologies have become popular, allowing the representation of knowledge using standardised formal languages which can be made available to agents acting in a simulation. However, the combination of agent-based systems with ontologies has not yet been researched sufficiently, because both concepts (web ontology languages and agent oriented programming languages) have been developed independently and the link has not yet been built adequately. Using ontologies as a knowledge base allows access to powerful standardised inference engines that offer leverage for the decision process of the agent. Agents can then determine their actions in accordance with this knowledge. To model agents using ontologies creates a new perspective for multi-agent simulation scenarios as programming details are reduced and a separation of modelling aspects from coding details is promising as business simulation scenarios can be set up with a reduced development effort. This thesis focuses on how ontologies can be integrated utilising the agent framework Jadex. A basic architecture with layered ontologies and its integration into the belief-desire-intention (BDI) agent model is presented. The abstract level of the approach guarantees applicability to different simulation scenarios which can be modelled by creating appropriate ontologies. Examples are based upon the simulation of market mechanisms within the context of different industries. The approach is implemented in the integrated simulation environment AGADE which incorporates agent-based and semantic technologies. Simulations for different scenarios that model typical market scenarios are presented.

Dada a importância de agentes inteligentes e sistemas multiagentes na Ciência da Computação e na Inteligência Artificial, a programação orientada a agentes (AOP, do inglês Agent-oriented programming) emergiu como um novo paradigma para a criação de sistemas computacionais complexos. Assim, nas últimas décadas, houve um florescimento da literatura em programação orientada a agentes e, com isso, surgiram diversas linguages de programação seguindo tal paradigma, como AgentSpeak (RAO, 1996; BORDINI; HUBNER; WOOLDRIDGE, 2007), Jadex (POKAHR; BRAUBACH; LAMERSDORF, 2005), 3APL/2APL (DASTANI; VAN RIEMSDIJK; MEYER, 2005; DASTANI, 2008), GOAL (HINDRIKS et al., 2001), entre outras. Programação orientada a agentes é um paradigma de programação proposto por Shoham (1993) no qual os elementos mínimos de um programa são agentes. Shoham (1993) defende que agentes autônomos e sistemas multiagentes configuram-se como uma forma diferente de se organizar uma solução para um problema computacional, de forma que a construção de um sistema multiagente para a solução de um problema pode ser entendida como um paradgima de programação. Para entender tal paradigma, é necessário entender o conceito de agente. Agente, nesse contexto, é uma entidade computacional descrita por certos atributos - chamados de atitudes mentais - que descrevem o seu estado interno e sua relação com o ambiente externo. Atribuir a interpretação de atitudes mentais a tais atributos é válida, defende Shoham (1993), uma vez que esses atributos se comportem de forma semelhante as atitudes mentais usadas para descrever o comportamento humano e desde que sejam pragmaticamente justificáveis, i.e. úteis à solução do problema. Entender, portanto, o significado de termos como ’crença’, ’desejo’, ’intenção’, etc., assim como suas propriedades fundamentais, é de fundamental importância para estabelecer linguagens de programação orientadas a agentes. Nesse trabalho, vamos nos preocupar com um tipo específico de linguagens de programação orientadas a agentes, as chamadas linguagens BDI. Linguagens BDI são baseadas na teoria BDI da Filosofia da Ação em que o estado mental de um agente (e suas ações) é descrito por suas crenças, desejos e intenções. Enquanto a construção de sistemas baseados em agentes e linguagens de programação foram tópicos bastante discutidos na literatura, a conexão entre tais sistemas e linguagens com o trabalho teórico proveniente da Inteligência Artificial e da Filosofia da Ação ainda não está bem estabelecida. Essa distância entre a teoria e a prática da construção de sistemas é bem reconhecida na literatura relevante e comumente chamada de “gap semântico” (gap em inglês significa lacuna ou abertura e representa a distância entre os modelos teóricos e sua implementação em linguagens e sistemas). Muitos trabalhos tentaram atacar o problema do gap semântico para linguagens de programação específicas, como para as linguagens AgentSpeak (BORDINI; MOREIRA, 2004), GOAL (HINDRIKS; VAN DER HOEK, 2008), etc. De fato, Rao (1996, p. 44) afirma que “O cálice sagrado da pesquisa em agentes BDI é mostrar uma correspondência 1-a-1 com uma linguagem razoavelmente útil e expressiva” (tradução nossa)1 Uma limitação crucial, em nossa opinião, das tentativas passadas de estabeler uma conexão entre linguagens de programação orientadas a agentes e lógicas BDI é que elas se baseiam em estabelecer a interpretação de um programa somente no nível estático. De outra forma, dado um estado de um programa, tais trabalhos tentam estabelecer uma interpretação declarativa, i.e. baseada em lógica, do estado do programa respresentando assim o estado mental do agente. Não é claro, entretanto, como a execução do programa pode ser entendida enquanto mudanças no estado mental do agente. A razão para isso, nós acreditamos, está nos formalismos utilizados para especificar agentes BDI. De fato, as lógicas BDI propostas são, em sua maioria, estáticas ou incapazes de representar ações mentais. O ato de revisão uma crença, adotar um objetivo ou mudar de opinião são exemplos de ações mentais, i.e. ações que são executadas internarmente ao agente e afetando somente seu estado mental, sendo portanto não observáveis. Tais ações são, em nossa opinião, intrinsecamente diferentes de ações ônticas que consistem de comportamento observável e que possivelmente afeta o ambiente externo ao agente. Essa diferença é comumente reconhecida no estudo da semântica de linguagens de programação orientadas a agentes (BORDINI; HUBNER; WOOLDRIDGE, 2007; D’INVERNO et al., 1998; MENEGUZZI; LUCK, 2009), entretanto os formalismos disponíveis para se especificar raciocínio BDI, em nosso conhecimento, não provem recursos expressivos para codificar tal diferença. Nós acreditamos que, para atacar o gap semântico, precisamos de um ferramental semântico que permita a especificação de ações mentais, assim como ações ônticas. Lógicas Dinâmicas Epistêmicas (DEL, do inglês Dynamic Epistemic Logic) são uma família de lógicas modais dinâmicas largamente utilizadas para estudar os fenômenos de mudança do estado mental de agentes. Os trabalhos em DEL foram fortemente influenciados pela escola holandesa de lógica, com maior proponente Johna Van Benthem, e seu “desvio dinâmico” em lógica (dynamic turn em inglês) que propõe a utilização de lógicas dinâmicas para compreender ações de mudanças mentais (VAN BENTHEM, 1996). O formalismo das DEL deriva de diversas vertentes do estudo de mudança epistêmica, como o trabalho em teoria da Revisão de Crenças AGM (ALCHOURRÓN; GÄRDENFORS; MAKINSON, 1985), e Epistemologia Bayesiana (HÁJEK; HARTMANN, 2010). Tais lógicas adotam a abordagem, primeiro proposta por Segerberg (1999), de representar mudanças epistêmicas dentro da mesma linguagem utilizada para representar as noções de crença e conhecimento, diferente da abordagem extra-semântica do Revisão de Crenças a la AGM. No contexto das DEL, uma lógica nos parece particulamente interessante para o estudo de programação orientada a agentes: a Lógica Dinâmica de Preferências (DPL, do inglês Dynamic Preference Logic) de Girard (2008). DPL, também conhecida como lógica dinâmica de ordem, é uma lógica dinâmica para o estudo de preferências que possui grande expressibilidade para codificar diversas atiutudes mentais. De fato, tal lógica foi empregada para o estudo de obrigações (VAN BENTHEM; GROSSI; LIU, 2014), crenças (GIRARD; ROTT, 2014), preferências (GIRARD, 2008), etc. Tal lógica possui fortes ligações com raciocínio não-monotônico e com lógicas já propostas para o estudo de atitudes mentais na área de Teoria da Decisão (BOUTILIER, 1994b) Nós acreditamos que DPL constitui um candidato ideal para ser utilizado como ferramental semântico para se estudar atitudes mentais da teoria BDI por permitir grande flexibilidade para representação de tais atitudes, assim como por permitir a fácil representação de ações mentais como revisão de crenças, adoção de desejos, etc. Mais ainda, pelo trabalho de Liu (2011), sabemos que existem representações sintáticas dos modelos de tal lógica que podem ser utilizados para raciocinar sobre atitudes mentais, sendo assim candidatos naturais para serem utilizados como estruturas de dados para uma implementação semanticamente fundamentada de uma linguagem de programação orientada a agentes. Assim, nesse trabalho nós avançamos no problema de reduzir o gap semântico entre linguagens de programação orientadas a agentes e formalismos lógicos para especificar agentes BDI. Nós exploramos não somente como estabelecer as conexões entre as estruturas estáticas, i.e. estado de um programa e um modelo da lógica, mas também como as ações de raciocínio pelas quais se especifica a semântica formal de uma linguagem de programação orientada a agentes podem ser entendidas dentro da lógica como operadores dinâmicos que representam ações mentais do agente. Com essa conexão, nós provemos também um conjunto de operações que podem ser utilizadas para se implementar uma linguagem de programação orientada a agentes e que preservam a conexão entre os programas dessa linguagem e os modelos que representam o estado mental de um agente. Finalmente, com essas conexões, nós desenvolvemos um arcabouço para estudar a dinâmica de atitudes mentais, tais como crenças, desejos e inteções, e como reproduzir essas propriedades na semântica de linguagens de programação. / As the notions of Agency and Multiagent System became important topics for the Computer Science and Artificial Intelligence communities, Agent Programming has been proposed as a paradigm for the development of computer systems. As such, in the last decade, we have seen the flourishing of the literature on Agent Programming with the proposal of several programming languages, e.g. AgentSpeak (RAO, 1996; BORDINI; HUBNER;WOOLDRIDGE, 2007), Jadex (POKAHR; BRAUBACH; LAMERSDORF, 2005), JACK (HOWDEN et al., 2001), 3APL/2APL (DASTANI; VAN RIEMSDIJK; MEYER, 2005; DASTANI, 2008), GOAL (HINDRIKS et al., 2001), among others. Agent Programming is a programming paradigm proposed by Shoham (1993) in which the minimal units are agents. An agent is an entity composed of mental attitudes, that describe the its internal state - such as its motivations and decisions - as well as its relation to the external world - its beliefs about the world, its obligations, etc. This programming paradigm stems from the work on Philosophy of Action and Artificial Intelligence concerning the notions of intentional action and formal models of agents’ mental states. As such, the meaning (and properties) of notions such as belief, desire, intention, etc. as studied in these disciplines are of central importance to the area. Particularly, we will concentrate in our work on agent programming languages influenced by the so-called BDI paradigm of agency, in which an agent is described by her beliefs, desires, intentions. While the engineering of such languages has been much discussed, the connections between the theoretical work on Philosophy and Artificial Intelligence and its implementations in programming languages are not so clearly understood yet. This distance between theory and practice has been acknowledged in the literature for agent programming languages and is commonly known as the “semantic gap”. Many authors have attempted to tackle this problem for different programming languages, as for the case of AgentSpeak (BORDINI; MOREIRA, 2004), GOAL (HINDRIKS; VAN DER HOEK, 2008), etc. In fact, Rao (1996, p. 44) states that “[t]he holy grail of BDI agent research is to show such a one-to-one correspondence with a reasonably useful and expressive language.” One crucial limitation in the previous attempts to connect agent programming languages and BDI logics, in our opinion, is that the connection is mainly established at the static level, i.e. they show how a given program state can be interpreted as a BDI mental state. It is not clear in these attempts, however, how the execution of the program may be understood as changes in the mental state of the agent. The reason for this, in our opinion, is that the formalisms employed to construct BDI logics are usually static, i.e. cannot represent actions and change, or can only represent ontic change, not mental change. The act of revising one’s beliefs or adopting a given desire are mental actions (or internal actions) and, as such, different from performing an action over the environment (an ontic or external action). This difference is well recognized in the literature on the semantics of agent programming languages (D’INVERNO et al., 1998; BORDINI; HUBNER; WOOLDRIDGE, 2007; MENEGUZZI; LUCK, 2009), but this difference is lost when translating their semantics into a BDI logic. We believe the main reason for that is a lack of expressibility in the formalisms used to model BDI reasoning. Dynamic Epistemic Logic, or DEL, is a family of dynamic modal logics to study information change and the dynamics of mental attitudes inspired by the Dutch School on the “dynamic turn” in Logic (VAN BENTHEM, 1996). This formalism stems from various approaches in the study of belief change and differs from previous studies, such as AGM Belief Revision, by shifting from extra-logical characterization of changes in the agents attitudes to their integration within the representation language. In the context of Dynamic Epistemic Logic, the Dynamic Preference Logic of Girard (2008) seems like an ideal candidate, having already been used to study diverse mental attitudes, such as Obligations (VAN BENTHEM; GROSSI; LIU, 2014), Beliefs (GIRARD; ROTT, 2014), Preferences (GIRARD, 2008), etc. We believe Dynamic Preference Logic to be the ideal semantic framework to construct a formal theory of BDI reasoning which can be used to specify an agent programming language semantics. The reason for that is that inside this logic we can faithfully represent the static state of a agent program, i.e. the agent’s mental state, as well as the changes in the state of the agent program by means of the agent’s reasoning, i.e. by means of her mental actions. As such, in this work we go further in closing the semantic gap between agent programs and agency theories and explore not only the static connections between program states and possible worlds models, but also how the program execution of a language based on common operations - such as addition/removal of information in the already mentioned bases - may be understood as semantic transformations in the models, as studied in Dynamic Logics. With this, we provide a set of operations for the implementation of agent programming languages which are semantically safe and we connect an agent program execution with the dynamic properties in the formal theory. Lastly, by these connections, we provide a framework to study the dynamics of different mental attitudes, such as beliefs, goals and intentions, and how to reproduce the desirable properties proposed in theories of Agency in a programming language semantics.

Esta tese situa-se na área de IA (Inteligência Artificial) aplicada à educação incluindo características interdisciplinares tanto da própria IA como de IE (informática na Educação). Faz-se também necessário constarem, aspectos referentes à Ciência da Computação e Educação a fim de melhor situar a complexidade e a dimensão do trabalho desenvolvido. A utilização de técnicas de IA na elaboração e no desenvolvimento de ambientes de ensino-aprendizagem computadorizados tem se constituído em objeto de investigação por parte dos pesquisadores da área de Informática aplicada à Educação, devido as suas potencialidades. A utilização de agentes na modelagem e no projeto de STI permite-nos resgatar antigos problemas em aberto, como por exemplo a melhoria da interação entre tutor e aluno e a possibilidade de investigação dos processos mentais em nível mais estratificado. A arquitetura descrita nesta tese utiliza a metodologia que vem sendo aplicada ao projeto de STI, onde são contempladas diferentes formas de se trabalhar com um determinado conhecimento (estratégias de ensino e táticas associadas), levando-se em consideração o tipo de usuário que está interagindo com o sistema. A arquitetura, elaborada segundo uma abordagem construtivista, prevê que o tutor seja menos diretivo e menos controlador das ações do aluno. O controle é feito na forma de monitoração para que o tutor funcione como um parceiro, ou seja, como facilitador do trabalho do aluno. Contudo, devido às características da modalidade escolhida para construção do protótipo (jogo educacional), precisamos ter algumas atitudes no tutor que garantam que o sistema não entre em colapso. O que inviabilizaria o trabalho do aluno. Nestas situações críticas, o tutor vai se comportar de maneira mais diretiva. Cabe salientar que a abordagem construtivista não significa dar liberdade total ao aluno nem privá-lo de qualquer tipo de assistência. Portanto, o que deve ser destacado é o grau de interferência do tutor, i.e., o quanto ele interfere no trabalho do aluno e se ele permite ou não que o aluno siga um caminho alternativo àquele que ele tem como o ideal para resolver o problema (heurísticas do tutor sobre o problema e forma de solução). Além destes aspectos educacionais inerentes a todo o projeto de software educacional (necessários num trabalho desta natureza), esta tese está inserida no contexto da pesquisa em agentes cognitivos modelados através de seus estados mentais. É importante salientar que os estados mentais utilizados neste trabalho (crenças, desejos, intenções e expectativas) funcionam como uma metáfora dos estudos mentais humanos. Por exemplo, quando se coloca a crença de um aluno a respeito de "lago", na realidade está se colocando a crença que temos a respeito da crença que o aluno possui a respeito de "lago". O mesmo acontece com os outros estados mentais aqui utilizados. Os diálogos reais foram registrados através de observação direta e posteriormente analisados a fim de se identificar os estados mentais relacionados. Perguntas adicionais foram feitas no sentido de obterem-se mais elementos para auxiliar na inferência do conjunto de estados mentais que o aluno possui naquele momento em que estava jogando. Após a observação de vários alunos jogando, identificou-se um certo padrão nas suas atitudes quando executavam uma ação. Observações sucessivas permitiram delinear o conjunto de estados mentais associados à ação do aluno. Tal conjunto foi utilizado como base para elaboração da coreografia. Estes dados servem de entrada para a construção do modelo do aluno mediante a interação com o tutor. No presente trabalho, nós apresentamos a modelagem de um STI através do uso da tecnologia de agentes utilizando a arquitetura de SMA (Sistemas Multiagentes). O STI é concebido como um SMA híbrido composto por um ambiente reativo (SMAR - Sistema Multiagente Reativo) e um "kernel" cognitivo (SMAC - Sistema Multiagente Cognitivo). O SMAR e o SMAC interagem entre si de para ampliar as informações quantitativas e qualitativas oferecidas aos alunos que utilizam o sistema. Estas informações disponíveis é que irão permitir ao tutor selecionar estratégias de ensino mais adequadas a um determinado tipo de aluno. A principal contribuição desta tese está centrada no "kernel" cognitivo. Nós propomos uma arquitetura para o tutor que permitirá a monitoração de dois alunos trabalhando conjuntamente. Além disso, propomos uma forma de selecionar o comportamento do tutor para oferecer auxílio personalizado aos alunos considerando o perfil de cada um. Esta arquitetura pretende ser uma alternativa de solução para uma questão importante na área de STI: Como o tutor pode selecionar, entre várias estratégias de ensino, a mais adequada para cada perfil de aluno? O grupo de pesquisa no qual este trabalho está inserido (GIA/UFRGS, sob orientação da Prof.a. Rosa Maria Viccari) tem realizado algumas avaliações experimentais, usando STI tradicionais e STI projetados e modelados através de sistemas multiagentes As contribuições científicas listadas no texto deste trabalho possibilitaram que o grupo avançasse sua pesquisa na abordagem mentalística através da criação de uma arquitetura para o tutor e favorecesse a integração do trabalho desenvolvido por Móra et al. [MOR97; MOR98]. A utilização do modelo computacional de agentes criado por Móra et al. gerou a implementação do "kernel" cognitivo. Os desafios inerentes a implementação da arquitetura proposta para o tutor ampliaram as características do ambiente criado por Móra et al. e favorecem a junção de dois trabalhos de tese supervisionados pela mesma orientadora [MOR99]. Portanto, a nova arquitetura proporcionou ganhos tanto para tais pesquisas, como para o avanço das pesquisas desenvolvidas pelo nosso grupo. / The present thesis has been elaborated within the AI (Artificial Intelligence) applied to Education realm, and it brings specific contributions to the STI (Intelligent Tutoring System) area. The use of AI techniques has been investigated by researchers of Computer Science applied to Education, due to its potentialities to improve educational systems. The agents' techniques used in the design of STI allow us to solve old problems opened in the area. For instance, the improvement of the interaction between tutor and student, and the possibility of tracing the mental processes in a more stratified way. The architecture described in this thesis uses the methodology applied to the modern STI projects: multiple strategies for the tutor (i.e., teaching strategies and associated tactics). This approach considers different forms of working with a certain piece of knowledge, and is taken into consideration to create the user profile, as well as to monitor the student interaction with the system. The architecture, designed according to a constructivist approach, expects the tutor to be less directive, and less controller of the student's actions. The control is made by an observation of students' actions by the tutor. The tutor works either as a student's partner or as a facilitator. However, due to the characteristics of the modality chosen for construction of the prototype (educational game), we needed to take some attitudes in the tutor in order to avoid the system to collapse. What would make unfeasible the student's work. In these critical situations, the tutor will behave in more directive way. It fits to point out that the construtivist approach does not mean to give total freedom to the student or to deprive it of any kind of attendance. Therefore, what should be note here is the degree of the tutor's interference, i.e., how it interferes with the student's work using its own set of heuristics. Besides these educational aspects, inherent to a project of Educational software, this thesis is inserted in the context of the research in cognitive agents modelled through their mental states (Believe, Desire, Intention, and Expectation). It is important to point out that the mental states used in this work are as a metaphor of the human mental states. For example, when the student's has a believe regarding "lake", in fact we area talking about belief that we have regarding the belief that the student possesses regarding about "lake". The same happens here with the other mental states used. The real dialogues were registered through direct observation in real situation (students playing with the game). They were analysed in order to identify the mental states connected with the student's actions. Additional questions were asked to obtain more elements to aid us to inference the group of mental states possessed by the student when he/she was playing. Successive observations allowed us to delineate the group of mental states associated to the student's action. Such group was used as a base for the choreography. These data were used as input for the construction to the student's model during the interaction with the tutor. In this work, we have presented the design of an STI with the use of architecture of MAS (Multi-agent System Architecture). The ITS is conceived as a hybrid MAS composed by a RMAS (Reactive Multi-agent System) and a "cognitive kernel" using the CMAS (Cognitive Multi-agent System). The RMAS and the CMAS interact with each other to enlarge the quantitative and qualitative information offered to the students that uses the system. These available information allow the tutor to select teaching strategies more adapted to a certain student type. The main contribution of this thesis is centred in the "cognitive kernel". We propose an architecture for the tutor that will allow the two students to work together. Besides, we propose a way to select the tutor behaviour in order to aid the students considering their personal profile. This architecture intends to be an alternative solution for an important question in ITS research: How can the tutor select, among several teaching strategies, the one that is more suitable for each student profile? The research group in which this work is placed (GIA/UFRGS - Artificial Intelligence Group), under the supervision of Profa. Rosa Maria Viccari, has been doing executing some experimental evaluations, using traditional ITS and ITS modelled through multi-agents systems techniques. The scientific contributions listed in this work allow the group to achive some interesting results in the research of STI using a mental approach. The tutor architecture favoured the integration of the X-BDI (eXecutable Belief Desire, and Intention model)) developed by Móra et al. The use the X-BDI allowed us to implement the "cognitive kernel". The inherent challenges posed by the implementation of the architecture of the tutor refined the XBDI environment. It favours the junction of two thesis works supervised done under the same supervisor[MOR99]. Therefore, the new architecture provided many gains for both researches, as well as for the progress of the research developed by our group.

Dada a importância de agentes inteligentes e sistemas multiagentes na Ciência da Computação e na Inteligência Artificial, a programação orientada a agentes (AOP, do inglês Agent-oriented programming) emergiu como um novo paradigma para a criação de sistemas computacionais complexos. Assim, nas últimas décadas, houve um florescimento da literatura em programação orientada a agentes e, com isso, surgiram diversas linguages de programação seguindo tal paradigma, como AgentSpeak (RAO, 1996; BORDINI; HUBNER; WOOLDRIDGE, 2007), Jadex (POKAHR; BRAUBACH; LAMERSDORF, 2005), 3APL/2APL (DASTANI; VAN RIEMSDIJK; MEYER, 2005; DASTANI, 2008), GOAL (HINDRIKS et al., 2001), entre outras. Programação orientada a agentes é um paradigma de programação proposto por Shoham (1993) no qual os elementos mínimos de um programa são agentes. Shoham (1993) defende que agentes autônomos e sistemas multiagentes configuram-se como uma forma diferente de se organizar uma solução para um problema computacional, de forma que a construção de um sistema multiagente para a solução de um problema pode ser entendida como um paradgima de programação. Para entender tal paradigma, é necessário entender o conceito de agente. Agente, nesse contexto, é uma entidade computacional descrita por certos atributos - chamados de atitudes mentais - que descrevem o seu estado interno e sua relação com o ambiente externo. Atribuir a interpretação de atitudes mentais a tais atributos é válida, defende Shoham (1993), uma vez que esses atributos se comportem de forma semelhante as atitudes mentais usadas para descrever o comportamento humano e desde que sejam pragmaticamente justificáveis, i.e. úteis à solução do problema. Entender, portanto, o significado de termos como ’crença’, ’desejo’, ’intenção’, etc., assim como suas propriedades fundamentais, é de fundamental importância para estabelecer linguagens de programação orientadas a agentes. Nesse trabalho, vamos nos preocupar com um tipo específico de linguagens de programação orientadas a agentes, as chamadas linguagens BDI. Linguagens BDI são baseadas na teoria BDI da Filosofia da Ação em que o estado mental de um agente (e suas ações) é descrito por suas crenças, desejos e intenções. Enquanto a construção de sistemas baseados em agentes e linguagens de programação foram tópicos bastante discutidos na literatura, a conexão entre tais sistemas e linguagens com o trabalho teórico proveniente da Inteligência Artificial e da Filosofia da Ação ainda não está bem estabelecida. Essa distância entre a teoria e a prática da construção de sistemas é bem reconhecida na literatura relevante e comumente chamada de “gap semântico” (gap em inglês significa lacuna ou abertura e representa a distância entre os modelos teóricos e sua implementação em linguagens e sistemas). Muitos trabalhos tentaram atacar o problema do gap semântico para linguagens de programação específicas, como para as linguagens AgentSpeak (BORDINI; MOREIRA, 2004), GOAL (HINDRIKS; VAN DER HOEK, 2008), etc. De fato, Rao (1996, p. 44) afirma que “O cálice sagrado da pesquisa em agentes BDI é mostrar uma correspondência 1-a-1 com uma linguagem razoavelmente útil e expressiva” (tradução nossa)1 Uma limitação crucial, em nossa opinião, das tentativas passadas de estabeler uma conexão entre linguagens de programação orientadas a agentes e lógicas BDI é que elas se baseiam em estabelecer a interpretação de um programa somente no nível estático. De outra forma, dado um estado de um programa, tais trabalhos tentam estabelecer uma interpretação declarativa, i.e. baseada em lógica, do estado do programa respresentando assim o estado mental do agente. Não é claro, entretanto, como a execução do programa pode ser entendida enquanto mudanças no estado mental do agente. A razão para isso, nós acreditamos, está nos formalismos utilizados para especificar agentes BDI. De fato, as lógicas BDI propostas são, em sua maioria, estáticas ou incapazes de representar ações mentais. O ato de revisão uma crença, adotar um objetivo ou mudar de opinião são exemplos de ações mentais, i.e. ações que são executadas internarmente ao agente e afetando somente seu estado mental, sendo portanto não observáveis. Tais ações são, em nossa opinião, intrinsecamente diferentes de ações ônticas que consistem de comportamento observável e que possivelmente afeta o ambiente externo ao agente. Essa diferença é comumente reconhecida no estudo da semântica de linguagens de programação orientadas a agentes (BORDINI; HUBNER; WOOLDRIDGE, 2007; D’INVERNO et al., 1998; MENEGUZZI; LUCK, 2009), entretanto os formalismos disponíveis para se especificar raciocínio BDI, em nosso conhecimento, não provem recursos expressivos para codificar tal diferença. Nós acreditamos que, para atacar o gap semântico, precisamos de um ferramental semântico que permita a especificação de ações mentais, assim como ações ônticas. Lógicas Dinâmicas Epistêmicas (DEL, do inglês Dynamic Epistemic Logic) são uma família de lógicas modais dinâmicas largamente utilizadas para estudar os fenômenos de mudança do estado mental de agentes. Os trabalhos em DEL foram fortemente influenciados pela escola holandesa de lógica, com maior proponente Johna Van Benthem, e seu “desvio dinâmico” em lógica (dynamic turn em inglês) que propõe a utilização de lógicas dinâmicas para compreender ações de mudanças mentais (VAN BENTHEM, 1996). O formalismo das DEL deriva de diversas vertentes do estudo de mudança epistêmica, como o trabalho em teoria da Revisão de Crenças AGM (ALCHOURRÓN; GÄRDENFORS; MAKINSON, 1985), e Epistemologia Bayesiana (HÁJEK; HARTMANN, 2010). Tais lógicas adotam a abordagem, primeiro proposta por Segerberg (1999), de representar mudanças epistêmicas dentro da mesma linguagem utilizada para representar as noções de crença e conhecimento, diferente da abordagem extra-semântica do Revisão de Crenças a la AGM. No contexto das DEL, uma lógica nos parece particulamente interessante para o estudo de programação orientada a agentes: a Lógica Dinâmica de Preferências (DPL, do inglês Dynamic Preference Logic) de Girard (2008). DPL, também conhecida como lógica dinâmica de ordem, é uma lógica dinâmica para o estudo de preferências que possui grande expressibilidade para codificar diversas atiutudes mentais. De fato, tal lógica foi empregada para o estudo de obrigações (VAN BENTHEM; GROSSI; LIU, 2014), crenças (GIRARD; ROTT, 2014), preferências (GIRARD, 2008), etc. Tal lógica possui fortes ligações com raciocínio não-monotônico e com lógicas já propostas para o estudo de atitudes mentais na área de Teoria da Decisão (BOUTILIER, 1994b) Nós acreditamos que DPL constitui um candidato ideal para ser utilizado como ferramental semântico para se estudar atitudes mentais da teoria BDI por permitir grande flexibilidade para representação de tais atitudes, assim como por permitir a fácil representação de ações mentais como revisão de crenças, adoção de desejos, etc. Mais ainda, pelo trabalho de Liu (2011), sabemos que existem representações sintáticas dos modelos de tal lógica que podem ser utilizados para raciocinar sobre atitudes mentais, sendo assim candidatos naturais para serem utilizados como estruturas de dados para uma implementação semanticamente fundamentada de uma linguagem de programação orientada a agentes. Assim, nesse trabalho nós avançamos no problema de reduzir o gap semântico entre linguagens de programação orientadas a agentes e formalismos lógicos para especificar agentes BDI. Nós exploramos não somente como estabelecer as conexões entre as estruturas estáticas, i.e. estado de um programa e um modelo da lógica, mas também como as ações de raciocínio pelas quais se especifica a semântica formal de uma linguagem de programação orientada a agentes podem ser entendidas dentro da lógica como operadores dinâmicos que representam ações mentais do agente. Com essa conexão, nós provemos também um conjunto de operações que podem ser utilizadas para se implementar uma linguagem de programação orientada a agentes e que preservam a conexão entre os programas dessa linguagem e os modelos que representam o estado mental de um agente. Finalmente, com essas conexões, nós desenvolvemos um arcabouço para estudar a dinâmica de atitudes mentais, tais como crenças, desejos e inteções, e como reproduzir essas propriedades na semântica de linguagens de programação. / As the notions of Agency and Multiagent System became important topics for the Computer Science and Artificial Intelligence communities, Agent Programming has been proposed as a paradigm for the development of computer systems. As such, in the last decade, we have seen the flourishing of the literature on Agent Programming with the proposal of several programming languages, e.g. AgentSpeak (RAO, 1996; BORDINI; HUBNER;WOOLDRIDGE, 2007), Jadex (POKAHR; BRAUBACH; LAMERSDORF, 2005), JACK (HOWDEN et al., 2001), 3APL/2APL (DASTANI; VAN RIEMSDIJK; MEYER, 2005; DASTANI, 2008), GOAL (HINDRIKS et al., 2001), among others. Agent Programming is a programming paradigm proposed by Shoham (1993) in which the minimal units are agents. An agent is an entity composed of mental attitudes, that describe the its internal state - such as its motivations and decisions - as well as its relation to the external world - its beliefs about the world, its obligations, etc. This programming paradigm stems from the work on Philosophy of Action and Artificial Intelligence concerning the notions of intentional action and formal models of agents’ mental states. As such, the meaning (and properties) of notions such as belief, desire, intention, etc. as studied in these disciplines are of central importance to the area. Particularly, we will concentrate in our work on agent programming languages influenced by the so-called BDI paradigm of agency, in which an agent is described by her beliefs, desires, intentions. While the engineering of such languages has been much discussed, the connections between the theoretical work on Philosophy and Artificial Intelligence and its implementations in programming languages are not so clearly understood yet. This distance between theory and practice has been acknowledged in the literature for agent programming languages and is commonly known as the “semantic gap”. Many authors have attempted to tackle this problem for different programming languages, as for the case of AgentSpeak (BORDINI; MOREIRA, 2004), GOAL (HINDRIKS; VAN DER HOEK, 2008), etc. In fact, Rao (1996, p. 44) states that “[t]he holy grail of BDI agent research is to show such a one-to-one correspondence with a reasonably useful and expressive language.” One crucial limitation in the previous attempts to connect agent programming languages and BDI logics, in our opinion, is that the connection is mainly established at the static level, i.e. they show how a given program state can be interpreted as a BDI mental state. It is not clear in these attempts, however, how the execution of the program may be understood as changes in the mental state of the agent. The reason for this, in our opinion, is that the formalisms employed to construct BDI logics are usually static, i.e. cannot represent actions and change, or can only represent ontic change, not mental change. The act of revising one’s beliefs or adopting a given desire are mental actions (or internal actions) and, as such, different from performing an action over the environment (an ontic or external action). This difference is well recognized in the literature on the semantics of agent programming languages (D’INVERNO et al., 1998; BORDINI; HUBNER; WOOLDRIDGE, 2007; MENEGUZZI; LUCK, 2009), but this difference is lost when translating their semantics into a BDI logic. We believe the main reason for that is a lack of expressibility in the formalisms used to model BDI reasoning. Dynamic Epistemic Logic, or DEL, is a family of dynamic modal logics to study information change and the dynamics of mental attitudes inspired by the Dutch School on the “dynamic turn” in Logic (VAN BENTHEM, 1996). This formalism stems from various approaches in the study of belief change and differs from previous studies, such as AGM Belief Revision, by shifting from extra-logical characterization of changes in the agents attitudes to their integration within the representation language. In the context of Dynamic Epistemic Logic, the Dynamic Preference Logic of Girard (2008) seems like an ideal candidate, having already been used to study diverse mental attitudes, such as Obligations (VAN BENTHEM; GROSSI; LIU, 2014), Beliefs (GIRARD; ROTT, 2014), Preferences (GIRARD, 2008), etc. We believe Dynamic Preference Logic to be the ideal semantic framework to construct a formal theory of BDI reasoning which can be used to specify an agent programming language semantics. The reason for that is that inside this logic we can faithfully represent the static state of a agent program, i.e. the agent’s mental state, as well as the changes in the state of the agent program by means of the agent’s reasoning, i.e. by means of her mental actions. As such, in this work we go further in closing the semantic gap between agent programs and agency theories and explore not only the static connections between program states and possible worlds models, but also how the program execution of a language based on common operations - such as addition/removal of information in the already mentioned bases - may be understood as semantic transformations in the models, as studied in Dynamic Logics. With this, we provide a set of operations for the implementation of agent programming languages which are semantically safe and we connect an agent program execution with the dynamic properties in the formal theory. Lastly, by these connections, we provide a framework to study the dynamics of different mental attitudes, such as beliefs, goals and intentions, and how to reproduce the desirable properties proposed in theories of Agency in a programming language semantics.

O raciocínio realizado em agentes BDI envolve essencialmente manipular três estruturas de dados representando suas crenças, desejos e intenções. Crenças de agentes BDI tradicionais não representam incerteza, e podem ser expressas como um conjunto fechado de literais ground. As restrições que indicam se um dado desejo é viável e pode ser adotado como uma intenção em agentes BDI tradicionais podem ser representadas como expressões lógicas sobre crenças. Dado que Redes Bayesianas permitem que representem-se informações com incerteza probabilisticamente, agentes BDI bayesianos as empregam para suportar incerteza em suas crenças. Em agentes BDI bayesianos, crenças representadas em Redes Bayesianas referem-se a estados de variáveis de eventos, possuindo probabilidades dinâmicas individuais que referem-se à incerteza. Os processos the constituem o raciocínio neste modelo de agente requerem mudanças a fim de acomodar esta diferença. Dentre estes processos, este trabalho concentra-se especificamente na seleção de desejos. Uma estratégia prévia para seleção de desejos é baseada em aplicar um limiar a probabilidades de crenças. Entretanto, tal abordagem impede que um agente selecione desejos condicionados em crenças cujas probabilidades estejam abaixo de um certo limiar, mesmo que tais desejos pudessem ser atingidos caso fossem selecionados. Para lidar com esta limitação, desenvolvemos três abordagens alternativas para seleção de desejos sob incerteza: Ranking Probabilístico, Loteria Viciada e Seleção Multidesejos Aleatória com Viés. Probability Ranking seleciona um desejo usando uma lista de desejos ordenados em ordem decrescente de probabilidade de pré-condição. Loteria Viciada seleciona um desejo usando um valor numérico aleatório e intervalos numéricos – associados a desejos – proporcionais às probabilidades de suas pré-condições. Seleção Multidesejos Aleatória com Viés seleciona múltiplos desejos usando valores numéricos aleatórios e considerando as probabilidades de suas pré-condições. Apresentamos exemplos, incluindo o agente Vigia, assim como experimentos envolvendo este, para mostrar como essas abordagens permitem que um agente às vezes selecione desejos cujas crenças pré-condições possuem probabilidades muito baixas. / The reasoning performed in BDI agents essentially involves manipulating three data structures representing their beliefs, desires and intentions. Traditional BDI agents’ beliefs do not represent uncertainty, and may be expressed as a closed set of ground literals. The constraints that indicate whether a given desire is viable and passive to be adopted as an intention in traditional BDI agents may be represented as logical expressions over beliefs. Given that Bayesian Networks allow one to represent uncertain information probabilistically, Bayesian BDI agents employ Bayesian Networks to support uncertainty in their beliefs. In Bayesian BDI agents, beliefs represented in Bayesian Networks refer to states of event variables, holding individual dynamic probabilities that account for the uncertainty. The processes that constitute reasoning in this agent model require changes in order to accomodate this difference. Among these processes, this work is specifically concerned with desire selection. A previous strategy for desire selection is based on applying a threshold on belief probabilities. However, such an approach precludes an agent from selecting desires conditioned on beliefs with probabilities below a certain threshold, even if those desires could be achieved if they were selected. To address this limitation, we develop three alternative approaches to desire selection under uncertainty: Probability Ranking, Biased Lottery and Multi-Desire Biased Random Selection. Probability Ranking selects a desire using a list of desires sorted in decreasing order of precondition probability. Biased Lottery selects a desire using one random numeric value and desire-associated numeric intervals proportional to the probabilities of the desires’ preconditions. Multi-Desire Biased Random Selection selects multiple desires using random numeric values and considering the probabilities of their preconditions. We present examples, including theWatchman agent, as well as experiments involving the latter, to show how these approaches allow an agent to sometimes select desires whose belief preconditions have very low probabilities.

Humanos virtuais são modelos computacionais de pessoas. Se necessário, podem apresentar uma aparência bastante realista, baseada em princípios fisiológicos e biomecânicos. Além disso, são capazes de comportar-se de forma autônoma e inteligente em ambientes dinâmicos, podendo apresentar até mesmo individualidade e personalidade. Humanos virtuais podem ser utilizados como atores sintéticos. Tais atores têm sido usados em uma série de aplicações com a finalidade de simular a presença de atores reais. A indústria de jogos por computador requer personagens que sejam capazes de reagir apropriadamente a eventos e circunstâncias inesperadas, e até mesmo de alterar o progresso do jogo com seus cursos de ação autônomos. Um modo natural para desenvolver tais personagens prevê o uso de técnicas de inteligência artificial, em particular aquelas relacionadas às áreas de agentes autônomos e sistemas multiagentes. Neste trabalho, propõese o uso do modelo BDI (Belief-Desire-Intention) para modelar agentes cognitivos, com a finalidade de implementar personagens animados. O modelo BDI é uma abordagem bastante conhecida e bem sucedida para o desenvolvimento de agentes autônomos em sistemas multiagentes. Trata-se de uma arquitetura poderosa para sistemas dinâmicos e complexos, nos quais agentes podem precisar agir sob informação incompleta e incorreta sobre o seu ambiente e os outros habitantes. Esta dissertação reúne um modelo articulado para animação de personagens, o qual requer a especificação de movimento em cada junta individualmente, e um interpretador para AgentSpeak(L), uma linguagem de programação orientada a agentes que implementa a arquitetura BDI. Foi desenvolvida uma interface que permite que o sistema de raciocínio de um agente, baseado em BDI, seja usado para dirigir o comportamento de um personagem em um sistema de animação. O uso de AgentSpeak(L) é uma abordagem promissora para a especificação em alto nível de animações complexas por computador. O modelo conceitual e sua implementação são apresentados em capítulos distintos. Esta separação visa simplificar a compreensão do modelo proposto, permitindo primeiro analisá-lo em um nível mais alto de abstração, para então verificar detalhes de programação. Este trabalho apresenta também duas animações 3D, usadas para ilustrar a abordagem proposta. A principal animação apresentada envolve um agente situado em um ambiente dinâmico; o agente continuamente percebe o ambiente e raciocina para determinar como agir sobre ele, baseado em seu estado mental BDI. A outra aplicação é bastante simples, mas útil para mostrar algumas questões que são relevantes para obter-se mais eficiência em programas AgentSpeak(L). / Virtual humans are computational models of people. If necessary, they can portray a very realistic appearance, based on biomechanical and physiological principles. Besides, they are able to behave in an autonomous and intelligent way in dynamic environments, and even to exhibit individuality and personality. Virtual humans can be used as synthetic actors. Such kind of actors have been used in several applications, such as games, in order to simulate the presence of real actors. The computer-game industry requires characters that are able to react appropriately to unexpected events and circumstances, and even to change the game progress with their autonomous courses of actions. A natural way for developing such characters is by the use of artificial intelligence techniques, in particular those related to the areas of autonomous agents and multi-agent systems. In this work, the use of the Belief-Desire-Intention (BDI) model for cognitive agents in order to implement animated characters is proposed. The BDI model is a well-known and successful approach for the development of autonomous agents in multiagent systems. It is a very powerful architecture for dynamic and complex systems where agents may need to act under incomplete and incorrect information on other agents and their environment. This work brings together an articulated model for character animation, which requires the specification of motion on each joint individually, and an interpreter for AgentSpeak(L), an agent-oriented programming language that implements the BDI architecture. I have developed an interface that allows the BDI-based agent reasoning system to be used for guiding the behaviour of a character in an animation system. The use of AgentSpeak(L) is a promising approach for the high-level specification of complex computer animations. The conceptual model and its implementation are presented in distinct chapters. This separation aims at simplifying the comprehension of the proposed model, allowing its analysis first at a higher abstraction level, and after that to check programming details. This work also presents two 3-D animations used to illustrate the proposed approach. The main animation presented involves an agent that is situated in a dynamic environment; the agent continuously perceives the environment and reasons on how to act upon it based on its BDI mental state. The other application is quite simple, but useful to show some issues that are relevant for obtaining better performance from AgentSpeak(L) programs.