Com a proliferação de computadores pessoais e a popularização da Internet, as novas tecnologias da comunicação começam a provocar impactos no setor educacional, com a promessa de construção de cenários inovadores, apoiados em diferentes formas de educação baseada na Web. Estas inovações tecnológicas aplicadas ao ensino caracterizam a intensificação dos processos de educação à distância como uma das tendências mais marcantes desse final de milênio. A tendência destas inovações é crescer e juntamente com a Internet contribuir para a melhoria do ensino e/ou aprendizagem a distância. A Educação à Distância (EAD) tem sido um termo usado para qualquer forma de estudo em que os alunos não estejam em contato direto com seu professor. Este tipo de ensino pode ser considerado como uma alternativa educacional capaz de propiciar a ampliação de oportunidades educativas, através de programas de qualidade. Atualmente, para desenvolver ambientes para o ensino a distância são utilizados os conceitos de Inteligência Artificial Distribuída, mais precisamente o conceito de sistemas multiagentes, com a finalidade de aprimorar e monitorar o ensino através da Internet. O sistema AME-A proposto por D’Amico é um exemplo de ambiente que utiliza a tecnologia de multiagentes. Ele é constituído de vários agentes inteligentes que atuam de forma concorrente e comunicam-se através de mensagens. Dessa maneira, transformam o sistema em um conjunto de agentes cooperantes em busca de um objetivo que é o de ensinar e/ou aprender. Este trabalho tem como objetivo utilizar o estudo e a abordagem de modelagem do sistema de ensino/aprendizagem definido por D’Amico no que se refere ao agente ferramentas para o professor. Propõe-se a desenvolver uma ferramenta que irá auxiliar o professor na distribuição de seus conhecimentos na Internet, armazenando as informações inseridas pelo professor bem como fornecer orientações a respeito de determinadas operações que o sistema realiza. Estas orientações também apresentam como foco os seguintes fatores: descrição da importância da motivação e interatividade num curso a distância, sugestões de metodologias de ensino que o professor pode usar nas suas aulas, orientações a respeito de avaliação do aprendizado do aluno, dicas sobre conteúdos de materiais complementares às aulas e por fim, menciona exemplos de ferramentas em modo texto e multimídia que podem ser utilizadas para comunicação.

Este trabalho situa-se na área de Sistemas Multiagente, que é uma sub-área da Inteligência Artificial Distribuída. Em particular, o problema abordado nesta dissertação é o da modelagem de ambientes, um aspecto importante na criação de simulações baseadas em sociedades de agentes cognitivos, no entanto pouco tratado na literatura da área. A principal contribuição deste trabalho é a concepção de uma linguagem, chamada ELMS, própria para a definição de ambientes multiagente, e a implementação de um protótipo de interpretador para esta linguagem. O resultado da interpretação é um processo que simula o ambiente descrito em alto nível, e é apropriado para a interação com os agentes cognitivos que irão compartilhar o ambiente. Esta linguagem foi desenvolvida no contexto do projeto MASSOC, que tem como objetivo a criação de simulações sociais com agentes cognitivos. A abordagem deste projeto dá ênfase ao uso da arquitetura BDI para agentes cognitivos, a comunicação inter-agente de alto nível (ou seja, baseada em atos de fala) e a modelagem de ambientes com a linguagem ELMS, que é proposta neste trabalho. Os ambientes e agentes que podem ser usados na criação de simulaçõpes, bem como a comunicação entre eles utilizando a ferramenta SACI, são definidos ou gerenciados a partir de uma interface gráfica, que facilita a criação e controle de simulações com a plataforma MASSOC. Além de apresentar a linguagem ELMS e seu interpretador, esta dissertação menciona ainda, como breve estudo de caso, uma simulação de aspectos sociais do crescimento urbano. Esta simulação social auxiliou na concepção e avaliação da linguagem ELMS.

Resumo não disponível.

Resumo não disponível.

Com a proliferação de computadores pessoais e a popularização da Internet, as novas tecnologias da comunicação começam a provocar impactos no setor educacional, com a promessa de construção de cenários inovadores, apoiados em diferentes formas de educação baseada na Web. Estas inovações tecnológicas aplicadas ao ensino caracterizam a intensificação dos processos de educação à distância como uma das tendências mais marcantes desse final de milênio. A tendência destas inovações é crescer e juntamente com a Internet contribuir para a melhoria do ensino e/ou aprendizagem a distância. A Educação à Distância (EAD) tem sido um termo usado para qualquer forma de estudo em que os alunos não estejam em contato direto com seu professor. Este tipo de ensino pode ser considerado como uma alternativa educacional capaz de propiciar a ampliação de oportunidades educativas, através de programas de qualidade. Atualmente, para desenvolver ambientes para o ensino a distância são utilizados os conceitos de Inteligência Artificial Distribuída, mais precisamente o conceito de sistemas multiagentes, com a finalidade de aprimorar e monitorar o ensino através da Internet. O sistema AME-A proposto por D’Amico é um exemplo de ambiente que utiliza a tecnologia de multiagentes. Ele é constituído de vários agentes inteligentes que atuam de forma concorrente e comunicam-se através de mensagens. Dessa maneira, transformam o sistema em um conjunto de agentes cooperantes em busca de um objetivo que é o de ensinar e/ou aprender. Este trabalho tem como objetivo utilizar o estudo e a abordagem de modelagem do sistema de ensino/aprendizagem definido por D’Amico no que se refere ao agente ferramentas para o professor. Propõe-se a desenvolver uma ferramenta que irá auxiliar o professor na distribuição de seus conhecimentos na Internet, armazenando as informações inseridas pelo professor bem como fornecer orientações a respeito de determinadas operações que o sistema realiza. Estas orientações também apresentam como foco os seguintes fatores: descrição da importância da motivação e interatividade num curso a distância, sugestões de metodologias de ensino que o professor pode usar nas suas aulas, orientações a respeito de avaliação do aprendizado do aluno, dicas sobre conteúdos de materiais complementares às aulas e por fim, menciona exemplos de ferramentas em modo texto e multimídia que podem ser utilizadas para comunicação.

Este trabalho situa-se na área de Sistemas Multiagente, que é uma sub-área da Inteligência Artificial Distribuída. Em particular, o problema abordado nesta dissertação é o da modelagem de ambientes, um aspecto importante na criação de simulações baseadas em sociedades de agentes cognitivos, no entanto pouco tratado na literatura da área. A principal contribuição deste trabalho é a concepção de uma linguagem, chamada ELMS, própria para a definição de ambientes multiagente, e a implementação de um protótipo de interpretador para esta linguagem. O resultado da interpretação é um processo que simula o ambiente descrito em alto nível, e é apropriado para a interação com os agentes cognitivos que irão compartilhar o ambiente. Esta linguagem foi desenvolvida no contexto do projeto MASSOC, que tem como objetivo a criação de simulações sociais com agentes cognitivos. A abordagem deste projeto dá ênfase ao uso da arquitetura BDI para agentes cognitivos, a comunicação inter-agente de alto nível (ou seja, baseada em atos de fala) e a modelagem de ambientes com a linguagem ELMS, que é proposta neste trabalho. Os ambientes e agentes que podem ser usados na criação de simulaçõpes, bem como a comunicação entre eles utilizando a ferramenta SACI, são definidos ou gerenciados a partir de uma interface gráfica, que facilita a criação e controle de simulações com a plataforma MASSOC. Além de apresentar a linguagem ELMS e seu interpretador, esta dissertação menciona ainda, como breve estudo de caso, uma simulação de aspectos sociais do crescimento urbano. Esta simulação social auxiliou na concepção e avaliação da linguagem ELMS.

La planificación de las operaciones involucradas en un proyecto de desarrollo de software ha sido un problema a superar, desde el auge del uso de metodologías que guían dicho proceso. Tanto la eficiencia como la sofisticación de los algoritmos que buscan resolver los estos ordenamientos, han ido evolucionando durante la segunda mitad del siglo XX. Al mencionado problema de ordenar tareas con dependencias se le conoce en la algorítmica como programación de tareas o task scheduling y es definido de la siguiente forma: dado un conjunto de tareas a ser programadas en determinado grupo de máquinas (o recursos hombre-máquina como podrían ser programadores, analistas, etc.), encontrar un orden adecuado de ejecución. Es un problema de complejidad NP-difícil por lo que se justifica el uso de métodos heurísticos para obtener soluciones aproximadas. El presente trabajo de tesis presenta una meta heurística GRASP para resolver la variante en donde las tareas son dependientes y los organismos ejecutores son diferentes entre sí: con esto se podrían planificar las tareas de las etapas iniciales de un proceso particular de desarrollo de software. En la tesis, se incide en la metodología RUP, y en particular en sus disciplinas de modelamiento de negocios (business modeling) y captación de requerimientos (requirement). Se han desarrollado tanto un algoritmo voraz como una meta heurística GRASP con dos parámetros de relajación, planteamiento novedoso pues hasta el momento no se había intentado resolver el problema de esta forma. Igualmente se muestra un modelo matemático para la variante específica del problema a tratar. Para demostrar la corrección de los algoritmos, se desarrolló un prototipo que los implementa obteniéndose como resultado que el algoritmo GRASP mejora casi en un 6% los resultados del algoritmo voraz, para instancias de hasta 12500 variables involucradas. Palabras clave: Programación de tareas, algoritmos GRASP, Desarrollo de Software, planificación de recursos en proyectos de desarrollo software, RUP. / --- Operation’s planning for Software Development has been a complicated by-solve problem experienced since the golden age of the use methodologies whose rule those process. In which it is used, as well as in the efficiency and sophistication of the algorithms that try to solve the problems that appear in a software project, since its origin in the middle of the 20th century. The previously mentioned problem is known within algorithmic as task scheduling and it is defined as follows: given a group of tasks (operations) to be scheduled within a group of machines (or human resources, or human-machine resources), find an appropriate execution order. It is a NP-difficult complexity problem, so it justifies the usage of heuristic methods to obtain approximate solutions. This thesis presents a GRASP heuristic goal to solve the variant in which tasks are dependent and executing entities are different one from the other: now it could be possible the planning of the operation s from the inception’s RUP phase. We are remarking in particular, two disciplines of RUP methodology: business modeling and requirement. Both a greedy algorithm and a GRASP heuristic goal with two relaxation parameters have been developed. Innovative proposition because until now nobody has tried to solve the problem this way. Likewise a mathematical model for the specific variant of the problem to be considered is shown. To show efficiency of the GRASP algorithm, we developed a prototype program that executes and compares the results obtained by greedy and GRASP algorithms. The GRASP algorithm improves by 6% the results of the greedy algorithm, for instances with up to 12500 variables involved. Finally we measured the quality of these results with those of the mathematical model which would obtain the exact solution for smaller instances, taking advantage of software that solves linear programming problems: the GRASP algorithm got close to the exact result within a range of 95 to 99%, and even equaled it in some tests. Keywords: Task scheduling, GRASP algorithm, Software development, resource planning in software projects, RUP. / Tesis

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

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

Este trabalho situa-se nas áreas de Sistemas Multiagentes e Geoprocessamento. Em Sistemas Multiagentes, a especificação de um sistema pode ser realizada através da modelagem do ambiente, agentes, mecanismos de interação e organização dos agentes envolvidos. Um aspecto pouco explorado, porém extremamente importante, é a modelagem e representação do ambiente em que os agentes estão situados e através do qual irão interagir. Por outro lado, o Geoprocessamento sempre enfatizou a representação de fenômenos espaciais de forma estática. No entanto, alguns fenômenos espaciais são inerentemente dinâmicos e as representações estáticas não os capturam de forma adequada. Assim, o foco principal deste trabalho é fornecer uma arquitetura, baseada em Sistemas Multiagentes, para a criação e execução de simulações na área de Geoprocessamento. Uma característica importante é a utilização de dados vetoriais, provenientes de um Banco de Dados Geográficos, na geração da representação espacial do ambiente e das entidades existentes nas simulações. Com esta forma de representação contínua e precisa, é possível criar modelos mais próximos da realidade, representando adequadamente um maior número de características. Além disto, a arquitetura permite a representação de fenômenos espaço-temporais dinâmicos, uma necessidade da área de Geoprocessamento. Focando no desenvolvimento das funcionalidades da arquitetura proposta, foi realizada uma análise das características positivas, negativas e das necessidades de algumas das principais plataformas para criação e execução de simulações baseadas em agentes. Considerando os resultados desta análise, foram criadas a arquitetura proposta e suas funcionalidades. Além disto, neste trabalho é apresentado o protótipo implementado, no qual foram realizados estudos de caso de diferentes cenários, objetivando avaliar e demonstrar o uso das funcionalidades desenvolvidas. / This work is situated in the intersection of two areas: Multi-Agent Systems and Geocomputing. In Multi-Agent Systems, the specification of a system can be achieved by the modelling of environment, agents, mechanisms of interaction and organization of the agents. Although being a very important aspect, the modelling and representation of the environment has not been yet fully explored. On the other hand, Geocomputing has always focused in the static representation of spatial phenomena. However, some spatial phenomena are dynamic on time and space and usual representation adopted in Geocomputing do not capture them well. The aim of this work is to provide an architecture, based on Multi-Agent Systems, for the development and execution of Geocomputing simulations. A very important feature of the proposed architecture is the use of vectorial data, from a Geographic Database, for the representation of the environment and the spatial entities that exist in it. Using this continuous and accurate representation form, it is possible to develop more realistic models, representing appropriately geographic features. Moreover, this architecture allows the representation of dynamic phenomena in time and space, an old need of the Geocomputing area. Focusing on the development of the features of this architecture, an analysis of some related works was realized. The development of this architecture and its features was done based on the results of this analysis. Moreover, a prototype was presented in this work, in which some case studies of different scenes were performed, aiming at the evaluation and demonstration of the developed model and its features.