MONOGRAFIA SOBRE ESTUDO DE CASO DA UTILIZAÇÃO DA TECNOLOGIA DE AGENTES INTELIGENTES EM EDUCAÇÃO
Raquel S. Schulze
Profs. Drs. I. Ricarte - L. Pini
IA368F
2.1-A questão da Educação nas aplicações computacionais atuais
3.3- Aspectos de Implementação do Projeto
3.4-Possível Extensão do Trabalho do Grupo F3
O uso da Internet e da World Wide Web (WWW) tem causado impacto em algumas áreas de pesquisa em Computação, como por exemplo, Tecnologia Educacional. Uma das conseqüências desse impacto é o surgimento de novas tecnologias tais como, a de agentes [1], [2], [3], [4].
No presente trabalho, será feito um estudo de caso que aborda a utilização de tecnologia de agentes inteligentes aplicado a Tecnologia Educacional.
A tecnologia de agentes inteligentes engloba dois conceitos que ainda estão em debate. Trata-se da definição de agente propriamente dito e a definição de inteligência. Algumas áreas estudam este tema. Dentre elas, pode-se mencionar a abordagem de Inteligência Artificial [1], [2] e a de Inteligência Artificial Distribuída [3].
O presente trabalho apresenta a abordagem da Inteligência Artificial.
No concernente a Educação, há vários aspectos a serem levados em consideração, como por exemplo, o sociológico, o filosófico, o pedagógico. Quanto a este último, o interesse desse trabalho reside na abordagem construtivista [5], [6]. Além desses aspectos, Educação abrange também segmentos diferentes, i.e., primeiro grau, segundo grau e pós-graduação, além do conceito de educação continuada [7], [8].
As aplicações atuais em Tecnologia Educacional ampliam o termo educação para aprendizado à distância [9], treinamento [10], apresentação [11], bibliotecas digitais [12]. Estes sinônimos para educação encontram-se em [13].
Esta monografia está organizada da seguinte forma: na seção 2, são apresentados conseitos relacionados à questão da Educação nas aplicações computacionais atuais e a tecnologia de agentes. Na seção 3, é apresentado o estudo de caso propriamente dito e na seção 4 é apresentada uma conslusão quanto a utilização de agentes inteligentes na Educação.
Esta monografia apresenta um estudo de caso que envolve dois conceitos básicos. São eles: a questão da Educação nas aplicações computacionais atuais e a Tecnologia de agentes.
Estes conceitos serão apresentados a seguir, de forma resumida, como suporte à compreensão do estudo de caso que será apresentado no item 3.
2.1-A questão da Educação nas aplicações computacionais atuais
Atualmente, há duas abordagens para se trabalhar Educação em aplicações computacionais. São elas: Informática e Educação e Tecnologia Educacional.
A abordagem da Informática e Educação tem como característica que a norteia, a preocupação com o processo de aprendizado que envolve mecanismos de cognição e inferência voltados para a formação do indivíduo. Nessa abordagem, o computador desempenha um papel muito próximo ao do professor, sendo ele o responsável pelo processo de aprendizado do aluno. A faixa etária de seu público alvo é a de criança e adolescente, ou seja, de indivíduos considerados ainda em formação. Assim, pode-se dizer que o computador é a fonte, ou seja, o agente do raciocínio produzindo conhecimento para o indivíduo. Tem-se o computador com vida (humanizado).
A abordagem da Tecnologia Educacional não se preocupa com a formação do indivíduo da mesma forma que a Informática e a Educação. Nessa abordagem, o aluno é o agente no processo de aprendizado. Ele, a pessoa, é a fonte, ou seja, o agente do raciocínio produzindo conhecimento para o computador. Ele, o aluno, é que tem os mecanismos principais de inferência e de cognição. O computador desempenha papel de máquina propriamente dita. É visto como ferramenta de auxílio no processo de aprendizado. A faixa etária de seu público alvo é o de adulto, ou seja, de indivíduos considerados com formação completa. A Tecnologia Educacional forneceria meios para a continuação, reciclagem e atualização de sua formação.
Um paralelo a este raciocínio pode ser traçado em relação à proposta encontrada em [8] em que Fischer propõe repensar Inteligência Artificial (Artificial Intelligence - AI). Segundo Fischer, Inteligência Artificial deveria trabalhar a questão do Aumento de Inteligência (Intelligence Augmentation - IA), ou seja, a Inteligência Artificial contribuindo para aumentar a inteligência humana. Esta abordagem está centrada no próprio ser humano. Ela difere da tradicionalmente existente em Inteligência Artificial, onde a ênfase está na máquina fazendo o que o ser humano faz. A oposição dessas duas abordagens pode ser resumida como sendo Inteligência Artificial colocando seus esforços na troca do ser humano pela máquina. Aumento de Inteligência aumentaria e daria poder ao ser humano.
O esforço proposto neste trabalho é na direção da exploração de propriedades únicas de mídia computacional ao invés de se fazer mímica das capacidades humanas.
A questão sobre a definição do que seja agente de software e inteligência ainda causa polêmica. Há várias definições quanto ao que seja um agente de software. Quanto à questão de inteligência, há a abordagem de reuso de tecnologias já conhecidas em Inteligência Artificial [14], [15]. Em [14], Etzioni apresenta um agente de "software" que utiliza algoritmo de planejamento de IA e em [15], Payne utiliza algoritmo de aprendizado.
Serão apresentadas a seguir, definições de alguns pesquisadores sobre o que seja um agente. Estas definições são encontradas em [ ], bem como uma taxonomia para agentes. Elas darão suporte conceitual a tecnologia de agentes aplicada no estudo de caso:
Sob o ponto de vista de implementação, em [17] Wayner define agente de sofware da seguinte forma:
"Agentes são programas inter-operáveis e hiper compatíveis que rodam em espaço de memória seguro, tolerante à falha e orientado a objeto e que estão ligados a uma infra-estrutura de rede de alta velocidade."
O estudo de caso apresentado a seguir, trabalha agentes inteligentes de software que são classificados como agentes de interface [18] e agentes de informação [16].
O presente estudo de caso apresenta o projeto "Intelligent Agents for Internet-Based Military Training" desenvolvido na Universidade de Illinois, no Instituto e Tecnologia de Illinois [19].
A escolha deste caso para estudo foi em função de ele trabalhar aspectos referentes a agentes inteligentes em ambiente educacional. Estes aspectos são abordados sob o ponto de vista conceitual e de implementação de forma análoga a apresentada na disciplina IA368F. Estes aspectos são apresentados ao longo do estudo de caso.
Trata-se de um projeto fomentado por "U.S. Army Research Office", onde foi desenvolvido e entregue um sistema multi-agente baseado na Internet para treinamento militar. É descrita uma arquitetura baseada na estrutura cliente-servidor de uma aplicação multi-usuário utilizando agente inteligente que tem seu foco na automatização de "bookmark". São ressaltados alguns aspectos do projeto do software, como os "trade-offs" entre resposta em tempo real e a complexidade de base de conhecimento, que serão econtradas em aplicações similares para treinamento militar baseado na Internet.
Este estudo de caso está organizado da seguinte forma: em 3.1, são apresentados conceitos quanto aos agentes utilizados no caso em estudo. Em 3.2, é apresentada a arquitetura do sistema. Em 3.3, são apresentados aspectos de implementação do projeto. Em 3.4, é proposta uma possível extensão do trabalho do grupo F3 [20]. Em 3.5, é feita uma discussão em relação à questão do caso em estudo ser apresentado pelos autores como sendo "um passo em direção à sala de aula virtual". Em 3.6, são apresentadas as conclusões dos autores do caso em estudo.
No sistema em estudo, Joshi e Ramesh trabalham agentes inteligentes utilizando o conceito apresentado na seção 2.2 [2]. Sob o ponto de vista de funcionalidade, eles adotam as definições encontradas em [18] quanto a definição de agente de interface. Eles apresentam também outro tipo de agente seguindo a definição de [21] de agente de informação. Para Wooldridge, agente de informação é o agente que tem acesso a mais de uma fonte de informação e é capaz de examinar, comparar cuidadosamente e manipular informação obtida dessa fonte, e responder à consulta de usuário.
Os agentes propostos propostos por Joshic e Ramesh são chamados "logobots". Esta palavra é a combinação da palavra grega logos, que significa conhecimento, com a palavra bots, que é um jargão da Internet para agentes inteligentes. Assim, eles propõem agentes de conhecimento combinando agente de interface e agente de informação. Estes agentes são descritos como agentes de "software" autônomo para tarefas específicas. Esta descrição é encontrada em [16].
Há dois tipos de "logobots": "logobots" de aluno e "logobots" de instrutor.
O "logobot" de aluno atua como agente de interface personalizado do aluno para treinamento remoto. Ele utiliza base de conhecimento de preferências e material de referência. Mantém os "bookmarks" atualizados do aluno.
O "logobot" do instrutor atua como agente de interface e agente de informação. Ele ajuda instrutores na aquisição de informação para treinamento localizada em várias fontes e a distribui de maneira apropriada aos alunos.
Figura 1 Overview of the multiagent logobots system
Figura 1 ilustra a arquitetura do sistema. Depois de autenticação apropriada, estudantes ou instrutores invocam seus logobots. A base de conhecimento central, que é residente no servidor em rede com um servidor Web operacional, contém informação de domínio e material de treinamento específico aos domínios como também informação sobre o logobot ou usuário; o estado corrente da base de conhecimento que inclui o "accept bin" e o "reject bin" é para memorizar informação processada.
Figura 2. Internal architecture of logobots
Figura 2 mostra arquitetura interna dos "logobots". Mostra as várias interações entre seus módulos e a base de conhecimento central. Como previamente indicado, na explicação da Figura 1,todos os ‘logobots" são disparados de um site central (Web Server), que abriga a base de conhecimento central e seus módulos de consulta. Uma vez que os "logobots" são disparados para o Web browser do usuário, eles mostram uma página inicial personalizada para o usuário. O usuário pode navegar através do sistema, fazendo consulta a materiais de treinamento em diferentes domínios. Os dois "logobots" fornecem uma facilidade de busca baseada em palavra-chave sobre a base de conhecimento do domínio. O uso de mecanismo de busca e personalização permite estudantes escolher individualmente suas preferências para as seções de material de treinamento e buscar material por referências.
O "logobot" do instrutor suporta funções adicionais para manter a base de conhecimento central e gerenciar a informação sobre o usuário. Através da "Internet search interface", o instrutor pode achar material de treinamento pela Internet. O componente "crawler" contacta várias fontes de informação na Internet e pega os "URLS’. Esses URLs são filtrados e classificados pelo componente "comparator", de acordo com a informação do estado na base de conhecimento central. As correspondências exatas são eliminadas, e se necessário, os resultados são mostrados ao instrutor para filtragem futura. O instrutor pode adicionar URLs a certos domínios e rejeitar outros. Essas atividades dos instrutores são gravadas e usadas para busca, filtragem e classificação mais eficientes.
O conhecimento do sistema é aumentado cada vez que o usuário desempenha uma ação e o sistema aprende tanto do usuário quanto do ambiente. Os ‘logobots" do instrutor e do aluno são componentes do lado cliente e foram implementados usando "Java applets", "JavaScript" e "HyperText Markup Language". A base de conhecimento central é um componente servidor implementado com programas "common gateway interface" (CGI). Os módulos de busca do tipo cliente-servidor são implementados usando "Java applets" e aplicações.
3.3- Aspectos de Implementação do Projeto
Os "logobots" do instrutor são implementados com funções de classificação e filtragem baseadas em algoritmo de aprendizado, que é uma versão simplificada de uma técnica de Inteligência Artificial chamada "memory-based reasoning" (MBR). Maiores detalhes sobre esta técnica podem ser encontrados em [21] e [22]. A interface de busca monitora a seleção e rejeição de "bookmarks" quando o instrutor está adicionando material de treinamento. "Bookmarks" e informação relacionada ao "bookmarks" são armazenadas em "accept bins" e "reject bins" e posteriormente usadas para filtrar, classificar e buscar novo material.
Na implementação desse sistema, são trabalhados alguns "trade-offs". Eles acontecem em relação a implementação de inteligência e segurança.
Em termos de inteligência, a implementação foi feita com modelo simplificado de MBR, como mencionado no primeiro parágrafo desta seção. Com pequenas modificações, técnicas avançadas de aprendizado como redes neurais e redes semânticas poderiam aumentar o aprendizado. Porém, o "software" deveria ser usado em CASCOM (Combined Arms Support Command) logo após a instalação. O tempo necessário para treinar os logobots dos instrutores levou a decisão de usar técnica simplificada de MBR.
A decisão de usar algoritmo de aprendizado MBR levou a outro trade-off: tempo de resposta X tamanho da informação do estado armazenado nos "accept bin" e "reject bin" na base de conhecimento central. Para cada URL, a informação de estado inclui o título da página da Web correspondente, nome do domínio, informação descritiva sobre o conteúdo da página Web. O número de URLs e a complexidade da informação armazenada para cada uma dela determina o tamanho dos "accept bin" e "reject bin". Quanto maior o tamanho desses "bins", melhor para filtrar as URLs. Entretanto, "accept bin" e "reject bin" grandes levam a tempo de resposta mais pobre e grandes "delays", o que acarreta frustração ao usuário. No. de URLs a serem armazenados foi difícil de determinar. Teste empíricos limitaram o tamanho dos "bins" em 100 URLs cada. Foi limitado também o "screening" para correspondência exata de URL e foram excluídos títulos e descrições do processo de filtragem.
O "trade-off" entre tamanho e complexidade de conhecimento e tempo de resposta de busca é um problema na área de engenharia de conhecimento.
Quanto à questão de segurança, há a necessidade de atravessar "firewalls". Propõe-se a minimização do uso de CGI, considerado ineficiente, em relação a utilização de primitivas de comunicação via "socket" fornecidas por Java. Entretanto, para "applets" Java se comunicar com aplicações rodando no servidor da base de conhecimento central, administradores de "firewalls" devem fornecer portas confiáveis. A implementação em estudo não necessitava de mecanismo de segurança mais apurado. Porém, é importante notar que segurança é um aspecto fundamental em sistemas que utilizam agentes, principalmente para aplicações militares.
Quanto a escolha de Internet e Java, ela foi feita no início do projeto. Nesta época, Java e Web eram tecnologias não consolidadas. Todavia tornaram-se vantajosas por diversas razões. Um dos benefícios principais foi a facilidade com que os "logobots" dos instrutores baseados em Java utilizavam engenhos de busca populares como Alta Vista e construíam em cima desses resultados para filtrar URL. Isso evitou a necessiddade de criar um novo engenho de busca. Permitiu a concentração em filtragem de alto nível e aspectos de interface com usuário.
Acredita-se que tais aplicações de agente baseado em Internet que utilizam a infra-estrutura da Web permitirão a área militar migrar suas facilidades para aprendizado a distância para a Internet.
3.4-Possível Extensão do Trabalho do Grupo F3
Neste sub-seção, é apresentada uma proposta extensão do trabalho do grupo F3 [20] apresentado na disciplina IA368F. Procura-se ressaltar a inflüência de característica de ambiente militar X ambiente construtivista nos requisitos do projeto.
Em ambiente militar, um dos objetivos de logobots é o controle de fluxo de informação em tempos de crise, como na guerra. A filtragem de informação tem aspecto de controle de consulta a informação por questões de segurança em termos militares. Há ênfase nas questões de segurança ("firewalls"). Possíveis casos seriam questões envolvendo manobras militares sigilosas e segurança nacional.
Em ambiente construtivista, o controle de fluxo de informação tem como objetivo melhorar desempenho na transmissão de dados. A filtragem de informação está baseada em princípios pedagógicos objetivando construção de conhecimento. Há pouca ênfase na questão de segurança. Possíveis casos seriam consulta a gabarito de prova e, em estabelecimento particular, a questão de controle de pagamento por consulta a informação.
O trabalho proposto pelo grupo F3 envolve apenas um tipo de agente, que trabalha aspectos relacionados a alunos. A extensão proposta envolveria a criação de agente que trabalhasse aspectos concernentes a instrutor. Em termos de inteligência, não havendo restrição de tempo, propõe-se o uso de redes neurais como mencionado no projeto de "logobots", por oferecer a possibilidade de trabalhar redes neurais mais completas. Esta técnica apresenta conceitos que tentam explicar o funcionamento do cérebro humano como um todo. A técnica MBR apresenta raciocínio como acesso e busca na memória. Em termos de engenho de busca, pode ser usado o Alta Vista bem como o HOTbot. Em termos de conhecimento, propõe-se a criação de uma base de conhecimento como proposta em "logbots". Em termos de implementação, pode ser mantida a proposta do caso em estudo, à exceção da linguagem de marcação, que seria fazer a troca de HTML para XML (Extensible MarkUp Language) [23], como proposto em [20].
3.5-Passo em Direção à Sala de Aula Virtual
Nesta sub-seção, são tecidas algumas considerações quanto aà questão do caso em estudo ser um passo em direção à sala de aula virtual. Serão tecidas considerações em relação a onde se está com esse projeto.
Em termos de sala de aula virtual, o projeto de "logobots" pode ser considerado um passo inicial nessa direção. Na verdade, pode ser considerado como primeiro passo, por não apresentar uma série de tecnologias que implementam a questão virtual em um sistema. Estas tecnologias são apresentadas a seguir, seguindo uma seqüência de passos em direção a uma sala de aula virtual.
São seis passos propostos. São os seguintes:
Estes passos são sugestões para uma implementação composta por várias versões do sistema. Esta sugetão é feita por se tratar da utilização de tecnologias complexas
Ao finalizar esta seqüência de passos, este sistema forneceria aos atores a possibilidade de visualização e comunicação através da língua que fosse mais apropriada, seja inglês, português e nas formas que fossem mais interessantes para ele, ou seja, escrita ou falada.
Esses aspectos são importantes no processo de aprendizado, isto é, a possibilidade de visualização e de expressão oral e escrita.
A seguir, são aprsentadas as conclusões feitas pelos autores do projeto. São elas:
Nesta seção, são apresentadas conclusões pessoais da autora da monografia quanto ao uso de agentes inteligentes em Tecnologia Educacional. Está organizada da seguinte forma: em 4.1 são apresentados comentários finais e em 4.2 são apresentadas tendências futuras.
O estudo de caso apresentado pode ser visto como uma proposta satisfária quanto à utilização de agentes inteligentes em Tecnologia Educacional por trabalhar a metáfora do "software" que atua por outra pessoa.
Tendo esta métafora em mente, acredita-se que a utilização de "software" que atua por outra pessoa seja uma opção interessante quanto a Educação, em face ao volume de informação que está disponível no mundo atual. Este tipo de "software" pode ser visto como um colega de grupo na universidade ou como um assistente do professor, i.e., "alguém" com quem se possa colaborar, dividir e compartilhar tarefas. Desta forma , haveria diminuição da carga de trabalho repetitivo em troca de mais tempo livre para realizar trabalho intelectual. Em resumo, trata-se de ter um "e-BuddyBot".
Em face ao que foi visto no transcorrer deste semestre, na disciplina IA368F, acredita-se na utilização de tecnologia de agentes inteligentes para Tecnologia Educacional como uma das tendências futuras em computação. Esta utilização seria em Hipermídia, Comércio Eletrônico e Autoria colaborativa, como foi exposto nos seminários apresentados por grupos sobre estes assuntos, na disciplina IA368F.
[1] Russel S., Norvig P. Artificial Intelligence, A Modern Approach, New Jersey, Prentice Hall Series in Artificial Intelligence, 1995, pp 33.
[2] Genesereth M., Ketchpel S. Software agents. Communication of the ACM, July 1994, pp. 48-53.
[3] Cardozo E., Sichman J., Demazeau Y. Using the Active Object Model to Implement Multi-Agents Systems, Proceeding of the 5th IEEE Conference on Tools with Artificial Intelligence, Boston, November 93, pp70-77.
[4] Morreale P. Agents on the Move. IEEE SPECTRUM, Vol.35, No.4, April 1998, pp34-41.
[5] http://penta.ufrgs.br/^marcia/piaget/constru1.htm
[6] http://www.ufv.br/dpe/edu660/piaget.htm
[7] http://www.colorado.edu/infs/lcb/sinewave/service/distance
[8] Fischer G. Rethinking and Reinventing Artificial Intelligence from the Perspective of Human-Centered Computational Artifacts, Lectures Notes in Artificial Intelligence 991, 12th Brazilian Symposium on Artificial Intelligence, Campinas, October 1995, pp1-11.
[9] http://www.csd.abdn.ac.uk/~claire/proposal.html.
[11] http://www.lidoorg.com/agents.htm
[12] http://www.ittc.ukans.edu//intelligent.html
[13] Adjeroh, D.A, Nwosu, K.C., Multimedia Database Management - Requirements and Issues, IEEE Multimedia, July-September, 1997, pp.24-33.
[14] Etzioni O. at al. The Softbot Approach to OS Interfaces. IEEE Software, July 1995, pp.42-51.
[15] Payne T. R at al., Experience with Rule Induction and k-Nearest Neighbor Methods for Interface Agents that Learn, IEEE Transactions on Knowledge and Data Engineering, Vol. 9, No2, March-April 1997.
[16] Franklin S., Graesser A., Is it an Agent, or Just a Program?: A Taxonomy for Autonomous Agents, 3rd Intrenational Worshop on Agent Theories, Architectures and Languages, 1996.
http://www.msci.memphis.edu/~franklin/AgentProg.html.
[17] Wayner P., Agents Unleashed: a public domain look at agent technology, Academic Press, USA, 1995, pp-7.
[18] Maes P., Agents that Reduce Work and Information Overload. Communication of the ACM, July 1994, Vol. 37, No.7.
[19] Joshi N., Ramesh V. C., Intelligent Agents for Internet-Based Military Training.
[20] Schulze R. S. at al, Formatos de dados na Web.
http://www.dca.fee.unicamp.br/~ricarte/Courses/IA368/ls98/Xml/f3.html.
[21] Wooldridge M., Jennings N., Intelligent Agents: Theory and Practice, Knowledge Enginering Review, Vol. 10, No.2, 1995, pp. 115-152.
[22] Aamodt A., Plaza E., Case-Based Reasoning: Foundational Issues, Methdological Variations, and System Approaches. AICom-Artificial Intelligence Communications, IOS Press, 1994, Vol. 7:1, pp39-59.
[23] Bosak J., XML, Java, and the future of the Web. Sun Microsystems.
http://sunsite.unc.edu/pub/sun-info/standards/xml/why/xmlapps.html.