This thesis explores ways to augment a model-based diagnostic program with a learning component, so that it speeds up as it solves problems. Several learning components are proposed, each exploiting a different kind of similarity between diagnostic examples. Through analysis and experiments, we explore the effect each learning component has on the performance of a model-based diagnostic program. We also analyze more abstractly the performance effects of Explanation-Based Generalization, a technology that is used in several of the proposed learning components.

Este trabalho aborda um estudo sobre os STI - Sistemas Tutores Inteligentes - dando uma visão geral do que esta sendo feito nesta área e quais são as tendências futuras que direcionam os STI a trabalhar com arquiteturas de agentes. Para simular as mudanças que ocorrem em certos estados mentais dos agentes, fizemos uma unido dos STI com a IAD - Inteligência Artificial Distribuída - e construímos os modelos dos agentes com base no ambiente dos STI e na arquitetura SEM - Sociedade dos Estados Mentais - [CORM que baseia seu formalismo na Teoria das Situações. Exploramos e adotamos a ideia da arquitetura aberta dos STI [OLI92], pois, através dela, foi possível criar um ambiente cooperativo de aprendizagem no qual o tutor e o aluno podem ensinar e aprender. Trabalhamos com dois agentes globais, a saber, o tutor e o aluno, sendo cada um deles composto por quatro agentes locais associados a determinados estados mentais do agente. Os agentes locais correspondem aos estados mentais: crença, desejo, intenção e expectativa, definidos na arquitetura SEM como agentes locais, e tratados individualmente nesta, que se preocupa com o comportamento particular de cada um. Optamos por usar a arquitetura SEM, que é uma arquitetura de agentes, no lugar de uma funcional tradicional, ou seja, composta por módulos, que é característica dos STI, porque nela podemos tratar os estados mentais como agentes locais, e assim é possível modelar o comportamento individual de cada estado e as mudanças que a interação entre os agentes provoca em cada um Abordamos três situações de ensino/aprendizagem com peculiaridades diferentes nas quais os agentes globais interagem cooperativamente com o objetivo de um ensinar o outro. Para cada dialogo, estabelecemos objetivos específicos: no primeiro, nosso interesse é na maneira como o aluno ensina uma nova estratégia ao tutor; no segundo, analisamos as mudanças das crenças do tutor sobre o conhecimento do aluno; no terceiro, nos preocupamos com as estratégias de ensino utilizadas pelo tutor. O processo de ensino/aprendizagem que acontece no desenrolar da interação entre os agentes é realizado usando o método de aprendizagem simbólica automática EBL - Explanation-Based Learning - [MIT86],[COS90] Este método proporciona a generalização do exemplo de treinamento que é incorporado as crenças e as estratégias do agente que desempenha o papel daquele que aprende, enriquecendo-as. As estratégias, que são fundamentais para os STI, são tratadas como pianos de ensino, utilizadas para promover a aprendizagem, pois definem a maneira como determinado conteúdo deve ser ensinado. Tratamos aqui as estratégias de uma maneira inovadora e diferente da tratada anteriormente [COR94]. Elas são um conjunto de ações e possuem armazenados procedimentos que são usados pelos agentes durante a interação. São determinadas e controladas conforme a intenção e usadas de acordo com as crenças, no sentido de selecionar a mais adequada para cada situação. / This study focuses on the Intelligent Tutoring System (ITS) and aims at presenting a general view concerning what has been developed in this field as well as the coming trends which lead the ITS to deal with agents' architecture. In order to simulate the changes which occur in certain mental states of the agents, we linked ITS with Distributed Artificial Intelligence (DAI) and then we built the agents' modules based on ITS environment and on SEM - Sociedade dos Estados Mentais that means Mental States Society - architecture [COR94]. Such an architecture bases its formalism on the Situation Theory. We explored and adopted the idea of the ITS open architecture [OLI92] for, through it, it has been possible to create a cooperative learning environment in which both the tutor and the student are able to teach and learn. The two global agents we worked on - tutor and student - both of them are made up of four local agents which are their mental states. The mental states involved are: belief, desire, intention, and expectation. These mental states are treated individually and defined as local agents according to SEM architecture. Instead of using a functional architecture - characteristic of ITS - we chose an agent architecture, for this latter makes it possible to treat the mental states as subagents. It is possible, therefore, to model the individual behavior of each state as well as the changes resulted from the agents' interaction. We focused on three teaching/learning situations that present different situations in which the global agents interact co-operatively in such a way that they teach each other. Specific aims were meant to each dialogue, as follows: the first dialogue concern has to do with the way the student teaches the tutor a new strategy; the second dialogue aim is to explore the tutor's "belief revision" about the student's knowledge; the third dialo gue goal has to do with the teaching strategies used by the tutor. The teaching/learning process brought about as the interaction between the agents happens is applied by using the Explanation-Based Learning (EBL) method [MIT86],[COS 90]. This method makes it possible to generalize the test example which is added to the learning agent's beliefs and strategies, making them more complete. The strategies, which are vital to the ITS, are treated as teaching plans and used to bring about learning, for they define the way in which a certain content is supposed to be taught. The strategies are treated here in a new manner, differently from the way they had formerly been [COR94]. They are a set of actions and present procedures on file that are used by the agents during the interaction. Also, the strategies are chosen and controlled by the intention and consulted by the beliefs so as to select the most suitable one, according to the situation.

Thesis (Ph. D. in Teaching and Learning)--Vanderbilt University, 2003. / Title from PDF title screen. Includes bibliographical references.

Este trabalho aborda um estudo sobre os STI - Sistemas Tutores Inteligentes - dando uma visão geral do que esta sendo feito nesta área e quais são as tendências futuras que direcionam os STI a trabalhar com arquiteturas de agentes. Para simular as mudanças que ocorrem em certos estados mentais dos agentes, fizemos uma unido dos STI com a IAD - Inteligência Artificial Distribuída - e construímos os modelos dos agentes com base no ambiente dos STI e na arquitetura SEM - Sociedade dos Estados Mentais - [CORM que baseia seu formalismo na Teoria das Situações. Exploramos e adotamos a ideia da arquitetura aberta dos STI [OLI92], pois, através dela, foi possível criar um ambiente cooperativo de aprendizagem no qual o tutor e o aluno podem ensinar e aprender. Trabalhamos com dois agentes globais, a saber, o tutor e o aluno, sendo cada um deles composto por quatro agentes locais associados a determinados estados mentais do agente. Os agentes locais correspondem aos estados mentais: crença, desejo, intenção e expectativa, definidos na arquitetura SEM como agentes locais, e tratados individualmente nesta, que se preocupa com o comportamento particular de cada um. Optamos por usar a arquitetura SEM, que é uma arquitetura de agentes, no lugar de uma funcional tradicional, ou seja, composta por módulos, que é característica dos STI, porque nela podemos tratar os estados mentais como agentes locais, e assim é possível modelar o comportamento individual de cada estado e as mudanças que a interação entre os agentes provoca em cada um Abordamos três situações de ensino/aprendizagem com peculiaridades diferentes nas quais os agentes globais interagem cooperativamente com o objetivo de um ensinar o outro. Para cada dialogo, estabelecemos objetivos específicos: no primeiro, nosso interesse é na maneira como o aluno ensina uma nova estratégia ao tutor; no segundo, analisamos as mudanças das crenças do tutor sobre o conhecimento do aluno; no terceiro, nos preocupamos com as estratégias de ensino utilizadas pelo tutor. O processo de ensino/aprendizagem que acontece no desenrolar da interação entre os agentes é realizado usando o método de aprendizagem simbólica automática EBL - Explanation-Based Learning - [MIT86],[COS90] Este método proporciona a generalização do exemplo de treinamento que é incorporado as crenças e as estratégias do agente que desempenha o papel daquele que aprende, enriquecendo-as. As estratégias, que são fundamentais para os STI, são tratadas como pianos de ensino, utilizadas para promover a aprendizagem, pois definem a maneira como determinado conteúdo deve ser ensinado. Tratamos aqui as estratégias de uma maneira inovadora e diferente da tratada anteriormente [COR94]. Elas são um conjunto de ações e possuem armazenados procedimentos que são usados pelos agentes durante a interação. São determinadas e controladas conforme a intenção e usadas de acordo com as crenças, no sentido de selecionar a mais adequada para cada situação. / This study focuses on the Intelligent Tutoring System (ITS) and aims at presenting a general view concerning what has been developed in this field as well as the coming trends which lead the ITS to deal with agents' architecture. In order to simulate the changes which occur in certain mental states of the agents, we linked ITS with Distributed Artificial Intelligence (DAI) and then we built the agents' modules based on ITS environment and on SEM - Sociedade dos Estados Mentais that means Mental States Society - architecture [COR94]. Such an architecture bases its formalism on the Situation Theory. We explored and adopted the idea of the ITS open architecture [OLI92] for, through it, it has been possible to create a cooperative learning environment in which both the tutor and the student are able to teach and learn. The two global agents we worked on - tutor and student - both of them are made up of four local agents which are their mental states. The mental states involved are: belief, desire, intention, and expectation. These mental states are treated individually and defined as local agents according to SEM architecture. Instead of using a functional architecture - characteristic of ITS - we chose an agent architecture, for this latter makes it possible to treat the mental states as subagents. It is possible, therefore, to model the individual behavior of each state as well as the changes resulted from the agents' interaction. We focused on three teaching/learning situations that present different situations in which the global agents interact co-operatively in such a way that they teach each other. Specific aims were meant to each dialogue, as follows: the first dialogue concern has to do with the way the student teaches the tutor a new strategy; the second dialogue aim is to explore the tutor's "belief revision" about the student's knowledge; the third dialo gue goal has to do with the teaching strategies used by the tutor. The teaching/learning process brought about as the interaction between the agents happens is applied by using the Explanation-Based Learning (EBL) method [MIT86],[COS 90]. This method makes it possible to generalize the test example which is added to the learning agent's beliefs and strategies, making them more complete. The strategies, which are vital to the ITS, are treated as teaching plans and used to bring about learning, for they define the way in which a certain content is supposed to be taught. The strategies are treated here in a new manner, differently from the way they had formerly been [COR94]. They are a set of actions and present procedures on file that are used by the agents during the interaction. Also, the strategies are chosen and controlled by the intention and consulted by the beliefs so as to select the most suitable one, according to the situation.

Este trabalho aborda um estudo sobre os STI - Sistemas Tutores Inteligentes - dando uma visão geral do que esta sendo feito nesta área e quais são as tendências futuras que direcionam os STI a trabalhar com arquiteturas de agentes. Para simular as mudanças que ocorrem em certos estados mentais dos agentes, fizemos uma unido dos STI com a IAD - Inteligência Artificial Distribuída - e construímos os modelos dos agentes com base no ambiente dos STI e na arquitetura SEM - Sociedade dos Estados Mentais - [CORM que baseia seu formalismo na Teoria das Situações. Exploramos e adotamos a ideia da arquitetura aberta dos STI [OLI92], pois, através dela, foi possível criar um ambiente cooperativo de aprendizagem no qual o tutor e o aluno podem ensinar e aprender. Trabalhamos com dois agentes globais, a saber, o tutor e o aluno, sendo cada um deles composto por quatro agentes locais associados a determinados estados mentais do agente. Os agentes locais correspondem aos estados mentais: crença, desejo, intenção e expectativa, definidos na arquitetura SEM como agentes locais, e tratados individualmente nesta, que se preocupa com o comportamento particular de cada um. Optamos por usar a arquitetura SEM, que é uma arquitetura de agentes, no lugar de uma funcional tradicional, ou seja, composta por módulos, que é característica dos STI, porque nela podemos tratar os estados mentais como agentes locais, e assim é possível modelar o comportamento individual de cada estado e as mudanças que a interação entre os agentes provoca em cada um Abordamos três situações de ensino/aprendizagem com peculiaridades diferentes nas quais os agentes globais interagem cooperativamente com o objetivo de um ensinar o outro. Para cada dialogo, estabelecemos objetivos específicos: no primeiro, nosso interesse é na maneira como o aluno ensina uma nova estratégia ao tutor; no segundo, analisamos as mudanças das crenças do tutor sobre o conhecimento do aluno; no terceiro, nos preocupamos com as estratégias de ensino utilizadas pelo tutor. O processo de ensino/aprendizagem que acontece no desenrolar da interação entre os agentes é realizado usando o método de aprendizagem simbólica automática EBL - Explanation-Based Learning - [MIT86],[COS90] Este método proporciona a generalização do exemplo de treinamento que é incorporado as crenças e as estratégias do agente que desempenha o papel daquele que aprende, enriquecendo-as. As estratégias, que são fundamentais para os STI, são tratadas como pianos de ensino, utilizadas para promover a aprendizagem, pois definem a maneira como determinado conteúdo deve ser ensinado. Tratamos aqui as estratégias de uma maneira inovadora e diferente da tratada anteriormente [COR94]. Elas são um conjunto de ações e possuem armazenados procedimentos que são usados pelos agentes durante a interação. São determinadas e controladas conforme a intenção e usadas de acordo com as crenças, no sentido de selecionar a mais adequada para cada situação. / This study focuses on the Intelligent Tutoring System (ITS) and aims at presenting a general view concerning what has been developed in this field as well as the coming trends which lead the ITS to deal with agents' architecture. In order to simulate the changes which occur in certain mental states of the agents, we linked ITS with Distributed Artificial Intelligence (DAI) and then we built the agents' modules based on ITS environment and on SEM - Sociedade dos Estados Mentais that means Mental States Society - architecture [COR94]. Such an architecture bases its formalism on the Situation Theory. We explored and adopted the idea of the ITS open architecture [OLI92] for, through it, it has been possible to create a cooperative learning environment in which both the tutor and the student are able to teach and learn. The two global agents we worked on - tutor and student - both of them are made up of four local agents which are their mental states. The mental states involved are: belief, desire, intention, and expectation. These mental states are treated individually and defined as local agents according to SEM architecture. Instead of using a functional architecture - characteristic of ITS - we chose an agent architecture, for this latter makes it possible to treat the mental states as subagents. It is possible, therefore, to model the individual behavior of each state as well as the changes resulted from the agents' interaction. We focused on three teaching/learning situations that present different situations in which the global agents interact co-operatively in such a way that they teach each other. Specific aims were meant to each dialogue, as follows: the first dialogue concern has to do with the way the student teaches the tutor a new strategy; the second dialogue aim is to explore the tutor's "belief revision" about the student's knowledge; the third dialo gue goal has to do with the teaching strategies used by the tutor. The teaching/learning process brought about as the interaction between the agents happens is applied by using the Explanation-Based Learning (EBL) method [MIT86],[COS 90]. This method makes it possible to generalize the test example which is added to the learning agent's beliefs and strategies, making them more complete. The strategies, which are vital to the ITS, are treated as teaching plans and used to bring about learning, for they define the way in which a certain content is supposed to be taught. The strategies are treated here in a new manner, differently from the way they had formerly been [COR94]. They are a set of actions and present procedures on file that are used by the agents during the interaction. Also, the strategies are chosen and controlled by the intention and consulted by the beliefs so as to select the most suitable one, according to the situation.