Made available in DSpace on 2014-12-17T15:47:59Z (GMT). No. of bitstreams: 1 ElizamaCL_DISSERT.pdf: 2492440 bytes, checksum: f1ce600c75a6e4f443532ee39fe5df1f (MD5) Previous issue date: 2011-05-31 / In development of Synthetic Agents for Education, the doubt still resides about what would be a behavior that could be considered, in fact, plausible for this agent's type, which can be considered as effective on the transmission of the knowledge by the agent and the function of emotions this process. The purpose of this labor has an investigative nature in an attempt to discover what aspects are important for this behavior consistent and practical development of a chatterbot with the function of virtual tutor, within the context of learning algorithms. In this study, we explained the agents' basics, Intelligent Tutoring Systems, bots, chatterbots and how these systems need to provide credibility to report on their behavior. Models of emotions, personality and humor to computational agents are also covered, as well as previous studies by other researchers at the area. After that, the prototype is detailed, the research conducted, a summary of results achieved, the architectural model of the system, vision of computing and macro view of the features implemented. / No desenvolvimento de Agentes Sint?ticos Educacionais, ainda reside a d?vida sobre o que seria um comportamento que possa ser considerado, de fato, plaus?vel para esse tipo de agente, qual forma pode ser considerada eficaz na transmiss?o do conhecimento pelo agente e qual o papel das emo??es nesse processo. A proposta desse trabalho tem um cunho investigativo na tentativa de descobrir quais aspectos s?o importantes para esse comportamento coerente e pr?tico no desenvolvimento de um chatterbot com o papel de tutor virtual, inserido no contexto de ensino de algoritmos. Neste estudo, s?o explanados os conceitos b?sicos de agentes, Sistemas Tutores Inteligentes, bots, chatterbots e como esses sistemas precisam se apresentar para transmitir credibilidade no seu comportamento. Modelos de emo??es, personalidade e humor para agentes computacionais tamb?m s?o abordados, bem como estudos j? realizados na ?rea por outros pesquisadores. Ap?s isso, ? detalhado o prot?tipo desenvolvido, as pesquisas realizadas, s?ntese dos resultados alcan?ados, o modelo arquitetural do sistema, vis?o do ambiente computacional e vis?o macro das funcionalidades implementadas.

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.

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.

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.

Made available in DSpace on 2014-07-29T15:08:22Z (GMT). No. of bitstreams: 1 dissertacao_Viviane_Margarida_Gomes_EEEC_UFG_2009.pdf: 1229653 bytes, checksum: 6dded0cdb59c4c56c5eb4f04ee56788f (MD5) Previous issue date: 2009-08-22 / Intelligent Tutoring Systems are softwares to provide customized instruction by using techniques of Computational Intelligence. This research proposes the intelligent control of free time (break interval) in multi-session tutoring. The teaching strategy employs tutoring modules with the following steps: 1) video class, 2) exercise, 3) practical suggestion, 4) free time, and 5) revision exercise. As part of the learning environment, free time (step 4) can contribute to increase the knowledge retention. Based on the student performance in exercises, the proposed system uses Reinforcement Learning to control free time durations. The intelligent agent decides according to the policy that has been indicated by the Softmax method. Among the relevant points of this algorithm, it can be highlighted the optimistic initial values, the incremental implementation and the temperature adjustment (Gibbs distribution parameter) to the selection of action. Two student groups have participated of data collection. The experimental group (with intelligent control) has been compared to the control group (where decisions belong to the student). In the groups, the intelligent agent or the student determines the action that will be followed or, in more detail, if free time will be shorter, longer or maintained. In comparison, statistical data analysis have shown significant and equivalent gains in knowledge retention. However, students from experimental group have realized more accurately the role of free time as a component of the teaching strategy / Sistemas Tutores Inteligentes são programas para prover instrução personalizada a partir de técnicas de Inteligência Computacional. Esta pesquisa propõe o controle inteligente de tempo livre (pausas) em tutoria multissessão. A estratégia de ensino apresenta a tutoria em módulos, com as seguintes etapas: 1) vídeo-aula, 2) exercício, 3) sugestão prática, 4) tempo livre e 5) exercício de revisão. Como parte do ambiente de aprendizagem, o tempo livre (etapa 4) pode contribuir para aumentar a retenção de conhecimento. Baseado no desempenho do aluno nos exercícios, o sistema proposto utiliza Aprendizagem por Reforço para controlar a duração do tempo livre. O agente inteligente toma decisões de acordo com a política definida pelo método Softmax. Entre os pontos relevantes do algoritmo, destacam-se o valor inicial otimizado das ações, a implementação incremental e o ajuste da temperatura (parâmetro da distribuição de Gibbs) para a seleção de ação. Dois grupos de estudantes participaram da coleta de dados. O grupo experimental (com controle inteligente do tempo livre) foi comparado ao grupo controle (onde a decisão pertence ao próprio estudante). Nos grupos, o agente inteligente ou o aluno determina a ação a ser seguida, mais detalhadamente, diminuir, manter ou aumentar a duração do tempo livre. Por meio de estudo comparativo, a análise estatística dos dados mostrou ganhos significativos e equivalentes na retenção de conhecimento. Contudo, alunos do grupo experimental perceberam melhor o tempo livre como componente da estratégia de ensino

O desenvolvimento de habilidades cognitivas de análise, síntese e avaliação, diretamente ligadas à capacidade de raciocínio crítico, constitui um importante objetivo do processo educacional, há décadas a educação contábil é criticada pela deficiência de seus egressos na aquisição e no uso dessas habilidades. Algumas críticas estão diretamente relacionadas ao conteúdo tecnicista da formação (currículo), outras se referem à metodologia aplicada nas salas de aula (pedagogia). O cenário atual, de avanços tecnológicos, cria um ambiente de constantes mudanças a profissão contábil, sendo necessário que haja mudanças na forma e no conteúdo dos cursos para acompanhar essas mudanças. O corpo doutores e pesquisadores em Contabilidade, não é suficiente para protagonizar essa mudança, e o uso de tecnologias podem auxiliar. Diante desse cenário o presente estudo buscou identificar em que medida os sistemas tutores adaptativos auxiliam o estudante de Contabilidade no desenvolvimento das habilidades de raciocínio crítico, propondo um framework para desenvolvimento de Sistemas Tutores Adaptativos ao Raciocínio Crítico em Contabilidade (STARCC). Como resultado o presente estudo desenvolveu um método de classificação do nível de raciocínio crítico em estudantes da disciplina de História da Contabilidade, com base nos logs de acesso do sistema de apoio ao ensino; do processamento da linguagem natural dos textos produzidos para a disciplina; e no índice Flesch-Kincaid de legibilidade dos materiais produzidos. Analises demonstram que o modelo classifica os estudantes com acurácia de 86,20% em relação ao processo realizado por um professor. Entretanto os resultados precisam ser analisados com cuidado, dado que o modelo deve ser testado e melhorado em outras disciplinas e, em outro conjunto de dados, para que possa ser fonte confiável de classificação do nível de raciocínio crítico dos estudantes. Como sugestão de pesquisas futuras pode-se comparar os resultados do modelo de classificação, baseado em inteligência artificial, dessa pesquisa com os resultados de testes consagrados pela literatura, como por exemplo o California Critical Thinking Skills Test (CCTST); o Ennis-Weir Critical Thinking Essay Test (EWCTET). O framework STARCC, mostrou-se útil para elaboração de sistemas de apoio ao processo de ensino e aprendizagem no curso de História da Contabilidade e pesquisas futuras devem submetê-lo a testes em relação a atributos como: facilidade, utilidade e custo benefício em utilizá-lo / The development of cognitive abilities of analysis, synthesis and, evaluation, directly linked to the capacity for critical thinking, is an important objective of the educational process, for decades accounting education has been criticized for the deficiency of its graduates in the acquisition and use of these skills. Some criticisms are directly related to the technical content of the training (curriculum), others refer to the methodology applied in classrooms (pedagogy). The current scenario, of technological advances, creates an environment of constant changes in the accounting profession, being necessary that there are changes in the form and the content of the courses to follow these changes. The body doctors and researchers in Accounting are not enough to star in this change, and the use of technologies can help. Given this scenario, the present study sought to identify the extent to which adaptive tutors systems help the Accounting student in the development of critical reasoning skills, proposing a framework for the development of Adaptive Tutoring Systems for Critical Thinking in Accounting (STARCC). As a result the present study developed a method of classifying the level of critical reasoning in students of the discipline of Accounting History, based on the access logs of the teaching support system; of the processing of the natural language of the texts produced for the discipline; and the Flesch-Kincaid Index of readability of the materials produced. Analyzes show that the model classifies the students with an accuracy of 86.20% in relation to the process performed by a teacher. However, the results need to be carefully analyzed, since the model must be tested and improved in other disciplines and in another set of data so that it can be a reliable source of classification for students\' critical reasoning level. As a suggestion of future research, it is possible to compare the results of the artificial intelligence-based classification model of this research with the results of tests established in the literature, such as the California Critical Thinking Skills Test (CCTST); the Ennis-Weir Critical Thinking Essay Test (EWCTET). The STARCC framework has proved to be useful for the elaboration of support systems for the teaching and learning process in the course of Accounting History and future research should subject it to tests in relation to attributes such as ease, utility and cost benefit.

A Gamificação é uma técnica que a utiliza elementos de design de jogos em ambientes que não são jogos, visando aumentar a motivação e engajamento dos usuários e que vem ganhando espaço em diversos áreas como saúde, marketing e também na educação. Porém, ainda que o interesse pela técnica venha crescendo, os meios para sua aplicação nesses ainda não estão bem definidos e os resultados obtidos têm-se mostrado dependentes do contexto e da população alvo. Diversos autores atribuem essa inconstância nos resultados a problemas no design da gamificação, uma vez que a maior parte dos projetos tem utilizado abordagens one-size-fits-all, no qual todos os usuários utilizam o mesmo ambiente independente de suas preferências individuais. Diante desse cenário, tem-se proposto que a gamificação personalizada pode atender uma maior parcela dos usuários, adequando os ambientes gamificados ao perfil dos usuários. Uma das abordagens para a personalização da gamificação consiste no uso de tipologias de jogadores para determinar os elementos mais interessante para o usuário. No entanto, as tipologias utilizam estereótipos, criando constructos que ainda restringem as informações consideradas durante a personalização. Dessa forma, neste trabalho buscou-se investigar a personalização com base na teoria de motivações para se engajarem em jogos, que trata o perfil do usuário como um conjunto de diferentes subcomponentes motivacionais correlacionados, que se agrupam em macro-componentes. Para isso, adaptou-se a teoria para o contexto da gamificação e elaborou-se dois modelos o de Macro-Gamificação, o qual relaciona-se com a teoria de Autodeterminação e às necessidades de Competência, Relacionamento e Autonomia do usuário, e o de Micro-Gamificação, que relaciona os elementos de jogos a um determinado subcomponente motivacional e disponibilizá-lo mediante o interesse do usuário no subcomponente. Para avaliar então se a gamificação personalizada influencia no engajamento dos usuários quando comparada a gamificação não personalizada, os modelos foram implementados em um ambiente virtual de aprendizagem, preparado para criar os perfis de gamificação dos usuários dinamicamente e adaptar interface do em tempo real. Realizou-se então um estudo de caso com N=36, utilizando como domínio o estudo dos silabários do idioma japonês. Ao final do estudo foram identificados dois padrões de atuação no sistema com uma diferença de 65% de participação e que foi utilizado para segmentar os participantes. No segmento menos engajado, os participantes do grupo não personalizado apresentaram um engajamento aos grupos personalizados. Já no segmento dos usuários mais ativos o grupo utilizando o modelo Micro-Gamificado, apresentou-se mais engajado. Desse modo, não é possível afirmar que a gamificação personalizada proporcione um maior engajamento do que a gamificação sem personalização, embora os resultados sugiram que usuários que permanecem utilizando o sistema por mais tempo tem um maior engajamento no ambiente personalizado. Por fim, é possível afirmar que o desenvolvimento de sistemas gamificados com personalização ainda está em sua infância e por isso nesta pesquisa além de buscar evidencias sobre o impacto da gamificação personalizada no engajamento dos usuários, buscou-se também desenvolver ferramental para facilitar o processo para os membros da comunidade em ordem de impulsionar os avanços dessa área de pesquisa. / Gamification is a technique that uses game design elements in non-game context, to increase users motivation and engagement and that has been gaining space in several areas such as health, marketing and also in education. However, although the interest in the technique is growing, the means for its application are still not well defined and the results obtained have been shown to be dependent on the context and the population. Several authors attribute this resultsin the results to problems in gamification design, since most projects have been using an one-size-fitsall approach, in which all users uses the same environment independent of their preferences. Given this scenario, it has been proposed that the personalized gamification can adress a larger portion of users, adapting the gamified environments to users profiles One of the approaches to personalize the gamification is to use player typologies to determine which elements are most interesting to the user. However, typologies uses stereotypes, creating constructs that still restrict the information considered during customization. Thus, in this work, we sought to investigate personalization based on the theory of motivations to engage in games, which treats the user profile as a set of different correlated motivational subcomponents, which are grouped into macrocomponents. For this, the theory was adapted to the context of the gamification and two models were elaborated the Macro-Gamification, which is related to the theory of Self-determination and to the needs of Competence, Relationship and Autonomy of the user, and the Micro-Gamification, which relates the game elements to a particular motivational subcomponent and make it available through the users interest in the subcomponent. In order to evaluate whether personalized gamification influences user engagement when compared to non-personalized gamification, the models were implemented in a virtual learning environment, prepared to dynamically create users gamification profiles and adapt the interface in real time. A case study was then carried out with N = 36, using as a domain the study of syllabaries of the Japanese language. At the end of the study, two patterns of performance in the system with a difference of 65 % participation were identified and used to segment the participants. In the less engaged segment, the non-personalized group participants showed a higer engagement than the personalized groups. However, in the segment of the most active users the group using the Micro-Gamified model, presented itself more engaged. Thus, it can not be argued that personalized gamification provides greater engagement than non-personalized gamification, although the results suggest that users who remain using the system longer have a greater engagement in the personalized approach. Finally, it is possible to affirm that the development of personalized gamified systems is still in its infancy and for this reason, in this research, besides searching for evidence on the impact of personalized gamification on user engagement, we also sought to develop tooling to facilitate the process for the members of the community in order to boost the advances of this area of research.

Submitted by Maicon Juliano Schmidt (maicons) on 2015-06-09T17:46:58Z No. of bitstreams: 1 Henrique Manfron Seffrin_.pdf: 4996070 bytes, checksum: facf64690edf2c78dfd329c9ec67d18c (MD5) / Made available in DSpace on 2015-06-09T17:46:58Z (GMT). No. of bitstreams: 1 Henrique Manfron Seffrin_.pdf: 4996070 bytes, checksum: facf64690edf2c78dfd329c9ec67d18c (MD5) Previous issue date: 2015-02-20 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / CNPQ – Conselho Nacional de Desenvolvimento Científico e Tecnológico / Pesquisas têm mostrado que os alunos apresentam ganhos mais significativos de aprendizagem através do ensino individualizado, pois o professor pode se focar nas dificuldades de cada um. Por ser uma estratégia de custo elevado, os Sistemas Tutores Inteligentes (STI) oferecem uma alternativa mais viável. Esses sistemas, através de técnicas de Inteligência Artificial, são capazes de se adaptar às características de cada aluno, provendo assistência individualizada. Esta adaptação personalizada é fornecida pelo componente Modelo de Aluno, que é capaz de avaliar e mapear o conhecimento de cada estudante. Na literatura, são encontrados diversos trabalhos que lidam com a questão de avaliação de conhecimento do aluno, dentre os quais encontram-se alguns trabalhos relacionados ao domínio de álgebra. Estes trabalhos, geralmente, apresentam modelagens com redes Bayesianas, que são estruturas probabilísticas amplamente utilizadas por apresentarem resultados muito interessantes no que se refere à avaliação do conhecimento dos estudantes. No entanto, nestes trabalhos, estas estruturas relacionam apenas os conceitos algébricos, ou modelam relações entre operações algébricas, com suas principais propriedades e falsas concepções. Esses trabalhos não buscam definir as relações entre os conceitos algébricos e as respectivas operações, e como os primeiros podem estar interferindo, positivo ou negativamente, na aprendizagem dos segundos. Por exemplo, na álgebra, há conceitos chave, como incógnita e a igualdade entre os lados da equação, que interferem diretamente na compreensão de certas operações algébricas. Se um estudante não os compreende, dificilmente ele será capaz de aplicar corretamente as operações relacionadas em todas as situações. Desse modo, é desejável que os modelos de inferência sejam capazes de identificar se o estudante compreende tais conceitos. Além disso, outra limitação dos trabalhos relacionados de modelos de alunos voltados para a álgebra se refere a como eles tratam as evidências. Como estes trabalhos utilizam os itens de avaliação para isto, a cada novo exercício, é necessário inserir um novo nodo na rede, e estabelecer as relações com cada conceito abordado por este item. Isso torna o projeto da rede trabalhoso e dependente de cada exercício aplicado no STI. Nesse contexto, este trabalho propõe um modelo de aluno algébrico que além de inferir o conhecimento algébrico dos estudantes de conceitos (como incógnita, igualdades, operações inversas), habilidades (operações algébricas) e falsas concepções, busca definir as relações entre conceitos e habilidades. Como foco inicial deste trabalho serão utilizadas as equações de 1o grau. Para a inferência, será empregada a estrutura de Redes Bayesianas Dinâmicas (RBD), usando como evidência a operação aplicada pelo aluno em cada passo da resolução de uma equação. Nesta estrutura de RBD, cada time slice corresponde à resolução de um passo, o que torna o modelo proposto independente dos exercícios aplicados pelo STI. Dessa forma, o modelo de inferência proposto pode ser utilizado em qualquer equação algébrica, sem a necessidade de qualquer alteração na rede, como ocorre nos outros trabalhos relacionados. Visando verificar a capacidade de inferência desta rede, foram conduzidas avaliações. A partir dos históricos dos alunos, que utilizaram o PAT2Math, foram obtidas as evidências para a rede; e a partir dos dados dos pós-testes, realizados pelos mesmos alunos, formam obtidos os percentuais a serem comparados com a inferência da rede. Como os resultados não foram satisfatórios, empregou-se a regra do limiar, instanciando toda a variável que o ultrapassasse. Avaliada sob os limiares de 96% e 98%, a rede demostrou resultados mais precisos com o limiar de 96%, no qual as diferenças entre os resultados da rede e os percentuais dos pós-testes permaneceram, em sua maioria, em até 5%. / Students learn more through personalized instruction, because the teacher can focus on each learner. Being a impracticable strategy in terms of cost, Intelligent Tutoring Systems (ITS) offers a feasible alternative. By using Artificial Intelligence techniques, these systems are able to adapt themselves to the students, providing individualized instruction. Such adaptation is provided by the Student Model, which is able to assess and map the knowledge of each student. In the literature there are several studies that deal with knowledge evaluation in ITS, some of them are related to algebra. These studies present a Bayesian Network modeling, probabilistic structures that are widely used because of their interesting results concerning the evaluation of the student knowledge. However, in this studies, the network structure only models algebraic concepts, or only model a relationship between algebraic operations and its main properties and common misconceptions. These studies do not aim to represent the relationship between concepts and algebraic operations and how the former can be interfering, in a positive or negative way, on the learning of the second one. For example, in algebra, there are key concepts, such as the unknown and equality among sides of the equation, which directly interferes with the understanding of some algebraic operations. If a student does not understand these concepts, he would hardly be able to apply correctly the related operations in every situation. Thus, it is desirable that the inference model be able to identify if the student understands such concepts. In addition, another limitation of the related work of algebraic student models refers to how they deal with the evidence. As these studies use the assessment items for evidence, for each new exercise, it is necessary to insert a new node in the network, and establish relationships with each concept addressed by this item. This makes the network design laborious and dependent on each ITS exercise. In this context, this work proposes an algebraic student model that, in addition to infer the student knowledge of algebraic concepts (as unknown, equality, inverse operation), skills (algebraic operations) and common misconceptions, defines the relationship between concepts and skill. An initial focus of this study will be the 1st degree equations. For the inference model we use the Dynamic Bayesian Networks (DBN), in which the evidences are the operations applied by the student to solve each equation step. In this structure of DBN, each time slice corresponds to a resolution step, which makes the proposed model independent of the ITS exercises. Thus, the proposed inference model can be used in every algebraic equation, without need to make changes in the network, as occurs with other works.In order to verify the inference capacity of the network, evaluations were conducted. From the resolution history of the students, that interact with PAT2Math, the evidences for the network were obtained; and from the post-test data, solved by the same students, the percentages to compare with the results of the network were obtained. As the results aren’t very satisfactory, we applied the threshold rule, every variable that exceeded this value are instantiated. The network were evaluated under the threshold of 96% and 98%. The proposed DBN has shown more accurate inference with the 96% threshold, in which the differences between the results of the network and the percentages of the post-test remained mostly with ceiling of 5%.

Submitted by William Justo Figueiro (williamjf) on 2015-07-06T22:22:41Z No. of bitstreams: 1 03a.pdf: 2459401 bytes, checksum: 4be1a43d873e5061b50682baa16f9ead (MD5) / Made available in DSpace on 2015-07-06T22:22:41Z (GMT). No. of bitstreams: 1 03a.pdf: 2459401 bytes, checksum: 4be1a43d873e5061b50682baa16f9ead (MD5) Previous issue date: 2013 / FINEP - Financiadora de Estudos e Projetos / A Lógica é uma ciência de índole matemática que está fortemente ligada à Filosofia, cuidando das leis do raciocínio, ou do pensar correto, sendo, portanto, um instrumento do pensar. Assim o aprendizado da lógica se faz necessário para garantir que nossos pensamentos se realizem de forma correta a fim de produzir conhecimentos verdadeiros. A lógica estuda os princípios e métodos usados para distinguir o raciocínio correto do incorreto. Desta forma, a Lógica é uma disciplina fundamental para os cursos acadêmicos de Ciência da Computação. No entanto, uma persistência de altos níveis de reprovação ou desistências prematuras mostra que há um amplo espaço para melhorar o processo de ensino desta disciplina. Nesse contexto, um tema particularmente crítico da Lógica e que causa sérias dificuldades aos alunos é a aprendizagem dos processos de dedução formal. Tendo essa questão em vista, o presente trabalho tem por objetivo propor um modelo computacional de mediação apropriado para o ensino da Dedução Natural para a Lógica Proposicional, incorporado na forma de um agente pedagógico que auxilie o aluno em seu processo de aprendizagem, servindo como ferramenta de apoio para esse processo. Este agente é parte de um projeto de pesquisa, denominado Heráclito, que visa integrar e aplicar as tecnologias de Objetos Inteligentes de Aprendizagem e Agentes Pedagógicos no ensino de Lógica. / Logic is a mathematical science of nature that is strongly linked to Philosophy, tending the laws of reasoning, or right thinking, therefore, an instrument of thought. So learning the logic is necessary to ensure that our thoughts are carried correctly to produce true knowledge. Logic studies the methods and principles used to distinguish correct from incorrect reasoning. Thus, the logic is a fundamental discipline for academic courses of Computer Science. However, the persistence of high levels of premature failure or dropouts shows that there is ample room for improving the process of teaching this subject. In this context, a particularly critical of Logic and causing severe difficulties for students is learning the processes of formal deduction. With this question in mind, this paper aims to propose a computational model of mediation appropriate for the teaching of Natural Deduction for Propositional Logic, incorporated as a pedagogical agent to assist students in their learning process, serving as a tool support for this process. This agent is part of a research project, named Heraclitus, which aims to integrate and apply the technologies of Smart Objects Learning and Pedagogical Agents in teaching Logic.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2015-10-27T12:41:16Z No. of bitstreams: 1 Tiago Roberto Kautzmann_.pdf: 8317737 bytes, checksum: 0d711a62eccda40c8169142262126010 (MD5) / Made available in DSpace on 2015-10-27T12:41:16Z (GMT). No. of bitstreams: 1 Tiago Roberto Kautzmann_.pdf: 8317737 bytes, checksum: 0d711a62eccda40c8169142262126010 (MD5) Previous issue date: 2015-07-28 / Nenhuma / Alunos conscientes de seus processos cognitivos apresentam melhores desempenhos e são mais estratégicos do que alunos que não possuem essa consciência. O conhecimento de uma pessoa sobre os próprios processos cognitivos é chamado de metacognição. É um construto fundamental para a aprendizagem autorregulada, em que o próprio aluno define suas metas de aprendizagem, planeja e seleciona estratégias de estudo, monitora e avalia o seu desempenho e controla sua aprendizagem. Mais especificamente, a habilidade metacognitiva fundamental para as demais habilidades é a de monitoramento do conhecimento, a capacidade de uma pessoa de identificar o que sabe e o que não sabe. Os processos metacognitivos podem ser melhorados através de treinamento. Os trabalhos relacionados treinam habilidades metacognitivas, porém, apresentam, no mínimo, alguma das seguintes lacunas: não incitar o aluno, explicitamente, a refletir sobre seu conhecimento; não explicitar a importância da habilidade de monitoramento do conhecimento; não avaliar a habilidade de monitoramento do conhecimento. Além disso, nenhum dos trabalhos adapta ao aluno a etapa da instrução que incita o monitoramento do conhecimento. O presente trabalho propõe um modelo de agente pedagógico para treinar, explicitamente, a habilidade do aluno de monitorar o seu conhecimento. O modelo adapta a quantidade e o conteúdo da instrução metacognitiva ao aluno, a fim de fazê-lo: ter uma atitude menos reativa, refletindo sobre seu conhecimento antes de resolver uma tarefa; refletir sobre o conhecimento já demonstrado; refletir sobre tarefas similares resolvidas anteriormente. O modelo pode ser integrado a Sistemas Tutores Inteligentes do tipo step-based que forneçam informações sobre o conhecimento do aluno no domínio, o histórico de resolução de tarefas e o conhecimento possível de ser aplicado em um próximo passo de tarefa. O agente foi implementado e integrado ao STI de álgebra PAT2Math para uma avaliação experimental com 63 alunos. Os resultados da avaliação apresentaram evidências indicando que a instrução do agente pode melhorar a habilidade de monitoramento do conhecimento do aluno. Os resultados também indicaram que a instrução do agente pode melhorar o desempenho do aluno no domínio. Além disso, foi encontrada uma alta correlação entre a habilidade metacognitiva e o desempenho do aluno no domínio. / Students who are aware of their metacognitive processes have better performance and are more strategic than students who do not have this awareness. Metacognition is the knowledge of a person on their own cognitive processes. It is a fundamental construct for self-regulated learning, in which the students define their learning goals, plans and select study strategies, monitor and evaluate their performance and control their learning. More specifically, a fundamental metacognitive skill is knowledge monitoring, that is, a person's ability to identify what she knows and what she does not know. The metacognitive processes can be improved through training. Some related works have sought to train learner’s metacognitive skills, however, they have at least some of the following shortcomings: do not incite the student to reflect on their knowledge explicitly; do not explain the importance of metacognitive skills; do not evaluate the knowledge monitoring skill. In addition, none of the work adapts the instruction step that incites the monitoring of knowledge to student’s knowledge and metacognitive skills. The present work proposes a pedagogical agent model to train, explicitly, the student’s ability to monitor his knowledge. The model adapts the quantity and content of metacognitive instruction to the student, so that: he would have a less reactive attitude, he would reflect on their knowledge before solving a task; he would reflect on the knowledge already demonstrated; he would reflect on similar tasks resolved earlier. The model can be integrated with step-based Intelligent Tutoring Systems that provide information about the student's knowledge in the domain, the solving task history and the possible knowledge to be applied in a next step. The agent was implemented and integrated into an algebra STI for an experimental evaluation with 63 students. Evaluation results presented evidences indicating that the instruction of the agent can improve the student's knowledge monitoring ability. The results also indicated that the agent's instruction can improve student performance in the domain. In addition, a high correlation between metacognitive level and performance in the domain was found.