O contexto desta tese é a Inteligência Artificial aplicada à Educação, especificamente a área dos Sistemas Tutores Inteligentes (STI). Apesar das características multidisciplinares e interdisciplinares, a preocupação maior do trabalho se dá quanto aos aspectos computacionais. A multidisciplinaridade está na relação entre os aspectos educacionais, filosóficos e psicológicos inerentes a toda construção de um software educacional, e a interdisciplinaridade acontece no relacionamento da IA com a Informática na Educação. Esta tese propõe o uso de aspectos afetivos como apoio à decisão de ação por parte de um STI. As nossas hipóteses fundamentais são: um sistema de ensino e aprendizagem computacional deve levar em consideração fatores afetivos tornando mais flexível a interação; e a arquitetura de um sistema computacional de interação em tempo real com agentes humanos deve prever explicitamente, em sua arquitetura básica, as crenças e o raciocínio afetivos. Para demonstrar essas idéias, foi definida uma arquitetura para apoiar um STI de modo a reconhecer alguns fatores afetivos, representativos de estratégias de ação de agentes humanos em interação com sistemas. Esse reconhecimento é realizado através de construções retiradas dos comportamentos observáveis do agente humano em contextos determinados. A arquitetura prevê um Sistema Multiagente para executar a percepção de fatores afetivos e da conduta do aluno em interação e de um agente pedagógico, representando o tutor. O agente tutor é modelado através de estados mentais e é responsável pelo raciocínio de alto nível. O modelo computacional de agentes de Móra [MÓR2000] foi utilizado para implementar o “kernel cognitivo” (termo cunhado por Móra e Giraffa [GIR99] que designa a parte responsável pela deliberação). O “kernel cognitivo” decide que ações tomar para um conjunto de características de uma avaliação pedagógica. A utilização de fatores afetivos e da avaliação cognitiva de situações emocionais permite a flexibilização das estratégias quanto à adaptabilidade a agentes humanos. Particularmente, foi adotado o enfoque cognitivo para análise de situações, baseado em teorias cognitivistas sobre emoções. O uso de tecnologia multiagente, no enfoque mentalístico, especificamente BDI (Belief, Desire, Intention) e da ferramenta X-BDI, permite a formalização e construção de um tutor atuante na avaliação pedagógica. A modelagem do aluno passa a ser constituída de aspectos qualitativos e quantitativos. Estudos de casos são apresentados, em situações que consideram os fatores afetivos e nas mesmas situações sem estas considerações. As decisões do tutor para agir são analisadas e confrontadas. Os resultados mostram um impacto positivo na adaptabilidade e ação pedagógica do tutor, sendo coerente com as teorias modernas [SAL97],[DAM2000] sobre as emoções que as consideram partes fundamentais para agir. A maior contribuição desta tese está na agregação de raciocínio sobre a afetividade envolvida em situações de ensino aprendizagem de agentes humanos e artificiais e avança dentro da perspectiva de pesquisa do grupo de IA da UFRGS, quanto ao desenvolvimento de Ambientes de Ensino e Aprendizagem modelados com tecnologia multiagente, com o uso da metáfora de estados mentais.

Esta dissertação situa-se no projeto de pesquisa intitulado "Um Modelo Computacional de Aprendizagem a Distância Baseada na Concepção Sócio- Interacionista". Este projeto se enquadra na visão de aprendizagem situada, isto é, na concepção de cognição como uma prática social baseada na utilização de linguagem, símbolos e signos. O objetivo é a construção de um ambiente de Educação a Distância, implementado como um sistema multiagente composto por agentes artificiais e agentes humanos, inspirando-se na teoria sócio-interacionista de Vygotsky. Nesta sociedade, todos os personagens (aprendizes e agentes artificiais) são modelados como agentes sociais integrados em um ambiente de ensino-aprendizagem. A arquitetura deste sistema é formada pelos seguintes agentes artificiais: agente diagnóstico, agente mediador, agente colaborativo, agente semiótico e agente social. Os agentes humanos que interagem com o sistema desempenham o papel de tutores, aprendizes ou ambos. Esta dissertação visa à concepção e à implementação de um dos agentes desta arquitetura: o agente semiótico. Esta concepção foi baseada na Engenharia Semiótica, em particular para a apresentação do material instrucional utilizado no processo de ensinoaprendizagem.

O contexto desta tese é a Inteligência Artificial aplicada à Educação, especificamente a área dos Sistemas Tutores Inteligentes (STI). Apesar das características multidisciplinares e interdisciplinares, a preocupação maior do trabalho se dá quanto aos aspectos computacionais. A multidisciplinaridade está na relação entre os aspectos educacionais, filosóficos e psicológicos inerentes a toda construção de um software educacional, e a interdisciplinaridade acontece no relacionamento da IA com a Informática na Educação. Esta tese propõe o uso de aspectos afetivos como apoio à decisão de ação por parte de um STI. As nossas hipóteses fundamentais são: um sistema de ensino e aprendizagem computacional deve levar em consideração fatores afetivos tornando mais flexível a interação; e a arquitetura de um sistema computacional de interação em tempo real com agentes humanos deve prever explicitamente, em sua arquitetura básica, as crenças e o raciocínio afetivos. Para demonstrar essas idéias, foi definida uma arquitetura para apoiar um STI de modo a reconhecer alguns fatores afetivos, representativos de estratégias de ação de agentes humanos em interação com sistemas. Esse reconhecimento é realizado através de construções retiradas dos comportamentos observáveis do agente humano em contextos determinados. A arquitetura prevê um Sistema Multiagente para executar a percepção de fatores afetivos e da conduta do aluno em interação e de um agente pedagógico, representando o tutor. O agente tutor é modelado através de estados mentais e é responsável pelo raciocínio de alto nível. O modelo computacional de agentes de Móra [MÓR2000] foi utilizado para implementar o “kernel cognitivo” (termo cunhado por Móra e Giraffa [GIR99] que designa a parte responsável pela deliberação). O “kernel cognitivo” decide que ações tomar para um conjunto de características de uma avaliação pedagógica. A utilização de fatores afetivos e da avaliação cognitiva de situações emocionais permite a flexibilização das estratégias quanto à adaptabilidade a agentes humanos. Particularmente, foi adotado o enfoque cognitivo para análise de situações, baseado em teorias cognitivistas sobre emoções. O uso de tecnologia multiagente, no enfoque mentalístico, especificamente BDI (Belief, Desire, Intention) e da ferramenta X-BDI, permite a formalização e construção de um tutor atuante na avaliação pedagógica. A modelagem do aluno passa a ser constituída de aspectos qualitativos e quantitativos. Estudos de casos são apresentados, em situações que consideram os fatores afetivos e nas mesmas situações sem estas considerações. As decisões do tutor para agir são analisadas e confrontadas. Os resultados mostram um impacto positivo na adaptabilidade e ação pedagógica do tutor, sendo coerente com as teorias modernas [SAL97],[DAM2000] sobre as emoções que as consideram partes fundamentais para agir. A maior contribuição desta tese está na agregação de raciocínio sobre a afetividade envolvida em situações de ensino aprendizagem de agentes humanos e artificiais e avança dentro da perspectiva de pesquisa do grupo de IA da UFRGS, quanto ao desenvolvimento de Ambientes de Ensino e Aprendizagem modelados com tecnologia multiagente, com o uso da metáfora de estados mentais.

Esta dissertação situa-se no projeto de pesquisa intitulado "Um Modelo Computacional de Aprendizagem a Distância Baseada na Concepção Sócio- Interacionista". Este projeto se enquadra na visão de aprendizagem situada, isto é, na concepção de cognição como uma prática social baseada na utilização de linguagem, símbolos e signos. O objetivo é a construção de um ambiente de Educação a Distância, implementado como um sistema multiagente composto por agentes artificiais e agentes humanos, inspirando-se na teoria sócio-interacionista de Vygotsky. Nesta sociedade, todos os personagens (aprendizes e agentes artificiais) são modelados como agentes sociais integrados em um ambiente de ensino-aprendizagem. A arquitetura deste sistema é formada pelos seguintes agentes artificiais: agente diagnóstico, agente mediador, agente colaborativo, agente semiótico e agente social. Os agentes humanos que interagem com o sistema desempenham o papel de tutores, aprendizes ou ambos. Esta dissertação visa à concepção e à implementação de um dos agentes desta arquitetura: o agente semiótico. Esta concepção foi baseada na Engenharia Semiótica, em particular para a apresentação do material instrucional utilizado no processo de ensinoaprendizagem.

A Inteligência Artificial é uma área da computação onde se está constantemente desenvolvendo pesquisas em software educacionais, principalmente os Sistemas Tutores Inteligentes (STI). Esses sistemas têm a capacidade de se adaptarem às particularidades de cada aluno, proporcionando assim, ambientes que facilitam a aprendizagem do usuário. Recentemente foi incorporada a tecnologia de agentes na modelagem do STI e nos ambientes educacionais na Internet. Estes agentes são denominados pedagógicos quando estão ligados a um ambiente onde existe uma sociedade de agentes que compõem um sistema de ensino-aprendizagem. Este texto apresenta um modelo de adaptação para ambientes genéricos de ensino, composto por agentes pedagógicos. A proposta é baseada em estudos relacionados com sistemas hipermídia adaptativos, sistemas tutores inteligentes, sistemas multiagentes e agentes pedagógicos. Inicialmente, o texto descreve o modelo. Logo após, é apresentada a implementação dos agentes os quais tem como tarefa prover a adaptação do ensino, sendo responsáveis em fornecer o caminho mais efetivo para a aprendizagem do aluno. Os agentes do modelo são denominados Agente Tutor, Agente Perfil e Agente de Comunicação. A realização da adaptação da instrução às características individuais do aprendiz implica o sistema conhecer: os padrões cognitivos de aprendizagem do aluno, traduzidos como estilos de aprendizagem e as suas implicações pedagógicas; e a modelagem das características do aprendiz: nível de conhecimento, metas, experiência e preferências do aprendiz. Finalmente, o texto descreve um estudo de caso, onde o modelo proposto foi integrado num ambiente de aprendizagem, e validado numa disciplina virtual a fim de avaliação de seus objetivos.

A Inteligência Artificial é uma área da computação onde se está constantemente desenvolvendo pesquisas em software educacionais, principalmente os Sistemas Tutores Inteligentes (STI). Esses sistemas têm a capacidade de se adaptarem às particularidades de cada aluno, proporcionando assim, ambientes que facilitam a aprendizagem do usuário. Recentemente foi incorporada a tecnologia de agentes na modelagem do STI e nos ambientes educacionais na Internet. Estes agentes são denominados pedagógicos quando estão ligados a um ambiente onde existe uma sociedade de agentes que compõem um sistema de ensino-aprendizagem. Este texto apresenta um modelo de adaptação para ambientes genéricos de ensino, composto por agentes pedagógicos. A proposta é baseada em estudos relacionados com sistemas hipermídia adaptativos, sistemas tutores inteligentes, sistemas multiagentes e agentes pedagógicos. Inicialmente, o texto descreve o modelo. Logo após, é apresentada a implementação dos agentes os quais tem como tarefa prover a adaptação do ensino, sendo responsáveis em fornecer o caminho mais efetivo para a aprendizagem do aluno. Os agentes do modelo são denominados Agente Tutor, Agente Perfil e Agente de Comunicação. A realização da adaptação da instrução às características individuais do aprendiz implica o sistema conhecer: os padrões cognitivos de aprendizagem do aluno, traduzidos como estilos de aprendizagem e as suas implicações pedagógicas; e a modelagem das características do aprendiz: nível de conhecimento, metas, experiência e preferências do aprendiz. Finalmente, o texto descreve um estudo de caso, onde o modelo proposto foi integrado num ambiente de aprendizagem, e validado numa disciplina virtual a fim de avaliação de seus objetivos.

O contexto desta tese é a Inteligência Artificial aplicada à Educação, especificamente a área dos Sistemas Tutores Inteligentes (STI). Apesar das características multidisciplinares e interdisciplinares, a preocupação maior do trabalho se dá quanto aos aspectos computacionais. A multidisciplinaridade está na relação entre os aspectos educacionais, filosóficos e psicológicos inerentes a toda construção de um software educacional, e a interdisciplinaridade acontece no relacionamento da IA com a Informática na Educação. Esta tese propõe o uso de aspectos afetivos como apoio à decisão de ação por parte de um STI. As nossas hipóteses fundamentais são: um sistema de ensino e aprendizagem computacional deve levar em consideração fatores afetivos tornando mais flexível a interação; e a arquitetura de um sistema computacional de interação em tempo real com agentes humanos deve prever explicitamente, em sua arquitetura básica, as crenças e o raciocínio afetivos. Para demonstrar essas idéias, foi definida uma arquitetura para apoiar um STI de modo a reconhecer alguns fatores afetivos, representativos de estratégias de ação de agentes humanos em interação com sistemas. Esse reconhecimento é realizado através de construções retiradas dos comportamentos observáveis do agente humano em contextos determinados. A arquitetura prevê um Sistema Multiagente para executar a percepção de fatores afetivos e da conduta do aluno em interação e de um agente pedagógico, representando o tutor. O agente tutor é modelado através de estados mentais e é responsável pelo raciocínio de alto nível. O modelo computacional de agentes de Móra [MÓR2000] foi utilizado para implementar o “kernel cognitivo” (termo cunhado por Móra e Giraffa [GIR99] que designa a parte responsável pela deliberação). O “kernel cognitivo” decide que ações tomar para um conjunto de características de uma avaliação pedagógica. A utilização de fatores afetivos e da avaliação cognitiva de situações emocionais permite a flexibilização das estratégias quanto à adaptabilidade a agentes humanos. Particularmente, foi adotado o enfoque cognitivo para análise de situações, baseado em teorias cognitivistas sobre emoções. O uso de tecnologia multiagente, no enfoque mentalístico, especificamente BDI (Belief, Desire, Intention) e da ferramenta X-BDI, permite a formalização e construção de um tutor atuante na avaliação pedagógica. A modelagem do aluno passa a ser constituída de aspectos qualitativos e quantitativos. Estudos de casos são apresentados, em situações que consideram os fatores afetivos e nas mesmas situações sem estas considerações. As decisões do tutor para agir são analisadas e confrontadas. Os resultados mostram um impacto positivo na adaptabilidade e ação pedagógica do tutor, sendo coerente com as teorias modernas [SAL97],[DAM2000] sobre as emoções que as consideram partes fundamentais para agir. A maior contribuição desta tese está na agregação de raciocínio sobre a afetividade envolvida em situações de ensino aprendizagem de agentes humanos e artificiais e avança dentro da perspectiva de pesquisa do grupo de IA da UFRGS, quanto ao desenvolvimento de Ambientes de Ensino e Aprendizagem modelados com tecnologia multiagente, com o uso da metáfora de estados mentais.

The main goal of this work is to present an approach that ?nds an appropriate set of sequential actions for a group of cooperative agents interacting over a constrained environment. This search is considered a complex task for autonomous agents and is not possible to use default reinforcement learning algorithms to learn the adequate policy. In this thesis, a technique that deals with propositionally constrained state spaces and makes use of a Reinforcement Learning algorithm based on Markov Decision Process is proposed. A new model is also presented which formally de?nes this restricted search space. By so doing, this work aims at reducing the overall exploratory need, thus improving the performance of the learning algorithm. To constrain the state space the concept of extended reachability goals is employed. Through them it is possible to de?ne an objective to be preserved during the iteration with the environment and another that de?nes a goal state. In this cooperative environment, the information about the propositions is shared among the agents during its interaction. An architecture to solve problems in such environments is also presented. Experiments to validate the proposed algorithm were performed on different test cases and showed interesting results. A performance evaluation against standard Reinforcement Learning techniques showed that by extending autonomous learning with propositional constraints updated along the learning process can produce faster convergence to adequate policies. The best results achieved present an important reduction over execution time (34,32%) and number of iterations (67.94%). This occurs due to the early state space reduction caused by shared information on state space constraints.

Submitted by William Justo Figueiro (williamjf) on 2015-06-18T22:53:59Z No. of bitstreams: 1 32.pdf: 1637216 bytes, checksum: 5bd2aa2029058291afe7ec0ff562aea2 (MD5) / Made available in DSpace on 2015-06-18T22:53:59Z (GMT). No. of bitstreams: 1 32.pdf: 1637216 bytes, checksum: 5bd2aa2029058291afe7ec0ff562aea2 (MD5) Previous issue date: 2011 / Nenhuma / No Brasil os alunos enfrentam dificuldades no aprendizado de Álgebra, considerado um expoente entre assuntos relacionados à Matemática. Os Sistemas Tutores Inteligentes (STI) oferecem a alternativa de um ensino individualizado para alunos, cenário em que o PAT2Math contribui, pois trata-se de um STI web para o aprendizado de Álgebra que considera as habilidades de cada aluno individualmente no seu ensino. Utilizar estas informações individuais como variáveis de decisão de diferentes estratégias pedagógicas permitindo a construção do ensino de caráter individual constitui um desafio de um Módulo Tutor em um STI. Na área da Matemática, as variadas maneiras de se resolver problemas dificultam a inferência do quão certo um aluno está em um exercício e do quanto ele domina de um dado conteúdo, informações que devem ser inferidas e guardadas por Modelo do Aluno de um STI. O trabalho proposto neste documento vem a ser a definição do Modelo de Aluno e do Módulo Tutor do sistema, tendo em vista o atual desafio de como é a estruturação computacional do processo de ensino em um ambiente desta categoria. Devido à arquitetura multiagente do STI PAT2Math, esses dois módulos também serão implementados como agentes. O monitoramento das características dos alunos, realizado através do seu respectivo Modelo de Aluno, constitui as variáveis observadas pelo Agente Tutor para ensiná-los de maneira individual. O Agente Tutor, para concretizar este caráter individual, utiliza Planos de Ensino, adapta os mesmos em caso de erro do aluno e aplica uma estratégia pedagógica, resultando em conteúdos e exercícios propostos considerando as habilidades do aluno em questão. Os Módulos Tutor e Modelo de Aluno foram concebidos sob teorias de aprendizado cognitivas, como a Aprendizagem Significativa de Ausubel, Taxonomia de Bloom, além da Teoria de Design Instrucional de Merril. Uma avaliação qualitativa foi realizada com um grupo de quatro pesquisadores, docentes de Matemática, com o objetivo de avaliar a usabilidade e as possibilidades de real aplicação em salas de aula do protótipo construído. Entre os resultados coletados pode-se citar a forte tendência positiva nas respostas do questionário aplicado, que visava descobrir a opinião de tais avaliadores sobre a qualidade do protótipo. Através dos comentários realizados pelos avaliadores pode-se dizer que o tutorial dentro do protótipo está bem organizado e de fácil exploração para o estudante, independente do amadurecimento nos conteúdos de Matemática, havendo a possibilidade de maiores explorações conforme o próprio professor inserir conteúdos e modificar a base de domínio. Foi considerada interessante a utilização da ferramenta, proporcionando uma forma diferente de aprendizado. Isto foi considerado pelos avaliadores algo muito relevante, pois a diversidade de opções em busca de atender todos os modos de aprendizagem mobiliza de forma benéfica o estudante de Matemática. Também foi salientado que complementar a este protótipo seria o professor observar quando possível as ações dos estudantes para obter um pouco mais de informações sobre o seu respectivo desempenho e aprimorar o projeto como um todo. / In Brazil the students face difficulties in learning algebra, considered an exponent of issues related to mathematics. Intelligent Tutoring Systems (ITS) offer the alternative of an individualized learning for students, setting in which PAT2Math contributes because it is an ITS on web for learning algebra which considers the abilities of each individual student in their education. The usage of this information about individual issues, as decision variables of different pedagogical strategies for teaching making individual learning, poses a challenge to a Tutor Module in an ITS. In the area of mathematics, the various ways of solving difficult problems make hard the inference of how sure a student is in an exercise and how much it dominates of a given content information to be inferred and stored by the Student Model of an ITS. The work proposed in this document comes to be the definition of the Student Model Agent and Tutor Agent of the system, considering the current challenge of how is the computational structure of the teaching process in an environment of that category. Due to the multi-agent architecture of the STI PAT2Math, these two modules will also be implemented as agents. The monitoring of students' characteristics, performed through their respective Student Model, are the observed variables by the Tutor Agent to teach them individually. The Tutor Agent, to achieve this individual feature, use teaching plans, adapting them in case of student error and applies a pedagogical strategy, resulting in content and exercises proposed considering the abilities of the student in question. Tutor and Student modules were designed in cognitive learning theories such as the Meaningful Learning of Ausubel, Bloom's Taxonomy, and the Theory of Instructional Design Merrill. A qualitative evaluation was performed with a group of four researchers, teachers of mathematics, with the aim of evaluating the usability and potential application in real classrooms about the built prototype. Among the data collected it can be mentioned the strong positive trend in the responses of the questionnaire, which aimed to discover the opinions of those reviewers on the quality of the prototype. Through the comments made by reviewers it can be said that the tutorial inside the prototype is well organized and of easy exploration for the student, regardless of its maturation in the mathematics, with the possibility of larger experiments as the teacher himself inserts and modifies the contents in the domain base. It was considered of interesting use the tool, because it provides a different way of learning. The evaluators considered very relevant the diversity of options in search of ways to suit all types of learning, turning in a beneficial way for the math student. It was also noted that additional to this prototype it would be the teacher observing actions of the students to get a little more information on their respective performance and improve the project as a whole.

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.