ads:
UNIVERSIDADE FEDERAL DE SANTA CATARINA
DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO
PROGRAMA DE PÓS-GRADUAÇÃO EM
ENGENHARIA DE PRODUÇÃO
Um Ambiente Inteligente para
Aprendizado Colaborativo no Ensino
a Distância Utilizando o Método de Casos
Tese submetida à Universidade Federal de Santa Catarina
para a obtenção do título de Doutor em
Engenharia de Produção.
MARTA COSTA ROSATELLI
Florianópolis,
Setembro de 1999
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
ii
Um Ambiente Inteligente para
Aprendizado Colaborativo no Ensino
a Distância Utilizando o Método de Casos
MARTA COSTA ROSATELLI
Esta tese foi julgada adequada para a obtenção do título de
DOUTOR EM ENGENHARIA DE PRODUÇÃO e aprovada
em sua forma final pelo Programa de Pós-Graduação em
Engenharia de Produção.
BANCA EXAMINADORA:
ads:
Resumo
O ensino a distância baseado em estudos de casos envolve habilitar a colaboração entre
dois ou mais estudantes a distância numa atividade de estudo de caso. A presente tese
apresenta um sistema baseado na World Wide Web para suportar a atividade de grupo no
ensino através de estudos de casos a distância. Tal sistema permite a colaboração entre
os estudantes assim como colabora com estes no processo de solução de um estudo de
caso realizado através da World Wide Web, com o apoio de tecnologia inteligente. Ele
guia, promove e monitora a discussão do caso. De forma a desempenhar essas funções o
design do sistema é baseado tanto numa metodologia para resolver um estudo de caso
assim como no papel do professor que trabalha com casos na sala de aula tradicional.
Essas premissas do design modelam as interações entre os estudantes e o sistema. Além
disso o design do sistema também leva em consideração os problemas de aprendizado
com o método.
iv
Abstract
Distance Learning from Case Studies involves enabling collaboration between two or
more learners at a distance on a case study activity. This thesis presents the design of a
World Wide Web-based system to support group activity in Distance Learning from
Case Studies. Such system allows collaboration between the learners as well as
collaborates with the learners in the case study solution process, which is carried out over
the Web with the support of intelligent technology. The system guides, promotes and
monitors the case discussion. In order to accomplish these functions, the system design is
based both on a methodology to solve a case study and on the role of the case instructor
in the traditional classroom. These design basics model the interactions between the
learners and the system. In addition, the system's design also takes into consideration the
problems in learning with the method.
v
A memória da minha avó, Elmira Silva.
vi
Agradecimentos
Ao meu orientador, Prof. Ricardo Miranda Barcia que me permitiu iniciar este trabalho
no Programa de Pós-Graduação em Engenharia de Produção da Universidade Federal de
Santa Catarina e me proporcionou a oportunidade de ter a experiência de viver e realizar
parte da minha pesquisa de doutorado fora do país.
Ao Prof. John A. Self, meu orientador no doutorado sanduíche, realizado na Computer
Based Leaming Unit, University of Leeds, Inglaterra, onde foi desenvolvido o cerne
desta tese. Ele foi um orientador e colaborador que esteve sempre presente e a sua
contribuição foi muito importante para o desenvolvimento deste trabalho.
Aos meus pais José e Eliane, pelo seu apoio durante o desenvolvimento deste trabalho.
Ao Prof. Marcello Thiry, pela sua permanente disponibilidade para a troca de ideias e
para auxiliar na programação, que foram fundamentais para a conclusão bem sucedida
desta tese.
À todos os membros da Computer Based Leaming Unit que, durante o tempo em que
estive na Inglaterra cursando o doutorado sanduíche, contribuíram para este trabalho de
diferentes maneiras e em diversas etapas do desenvolvimento do mesmo. Em especial
gostaria de agradecer à Patrícia Tedesco pela sua amizade e por compartilhar comigo as
preocupações do trabalho e da vida diária, os bons e maus momentos e as experiências
de morar fora do país. A Pat Greenwood, que muito calorosa e gentilmente me recebeu
na Computer Based Leaming Unit e que mais tarde veio a se tomar uma grande amiga.
Às pessoas da Computer Based Leaming Unit que, ou colaboraram com a minha
pesquisa, ou me ajudaram de alguma forma: Paul Bma, Andrew Cole, Prof. Roger
Hartley, Vânia Dimitrova, Eric Fehse, Cornelia Kneser, Tim Barker, Rosa Viccari, Lucia
Giraffa, Catherine Beneth, Ah Lian Kor, Rukaini Haji Abdullah, Julian Thomas,
Alexandre Martins e Daniela Romano. A todos os estudantes do Mestrado em Educação
que foram voluntários para participar dos meus experimentos. Por fim gostaria de
expressar meus agradecimentos à Irene Rudling e Rosa Hall.
vii
À comunidade brasileira da Universidade de Leeds e aos amigos que muitas vezes
fizeram eu me sentir em casa. Agradecimentos especiais à Paul Sadot (Tijolo) da
Capoeira Norte Herança.
Ao Prof. Alejandro Martins Rodriguez pela sua ajuda, principalmente no início desta
pesquisa.
Ao CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico que
patrocinou esta pesquisa. Agradecimentos especiais ao apoio dado pelo Dr. Wilson
Antônio Auerswald.
À CAPES que deu apoio a esta pesquisa através do PAPED - Programa de Apoio à
Pesquisa em Educação a Distância.
Sumário
1 Introdução........................................................................................................ 1
1.1 Objetivo..................................................................................................... 1
1.2 Justificativa............................................................................................... 3
1.2 Relevância................................................................................................. 5
1.4 Estrutura................................................................................................... 5
2 Aprendizagem Colaborativa a Distância...................................................... 8
2.1 Definição de Ensino a Distância .............................................................. 8
2.2 A Evolução do Ensino a Distância........................................................... 11
2.3 Ensino a Distância Baseado em Computador......................................... 13
2.4 Aprendizagem Colaborativa Apoiada por Computador...................... 16
2.5 Inteligência Artificial na Educação........................................................ 19
2.6 Conclusão.................................................................................................. 24
3 O Método de Ensino Baseado em Estudos de Casos....................... 26
3.1 O Que é um Estudo de Caso?.................................................................. 26
3.2 Fundamentos Teóricos do Método de Casos ......................................... 28
3.2.1 Cognição Situada ............................................................................ 28
3.2.2 Aprendizagem em Domínios Mal Estruturados................................ 29
3.2.3 Reflexão-em-Ação........................................................................... 29
3.2.4 Conhecimento Narrativo................................................................... 30
3.2.5 O Papel do Grupo e das Interações Sociais no Aprendizado ............ 31
3.2.6 Aprendizagem Colaborativa............................................................ 31
3.2.7 Construtivismo e Zona de Desenvolvimento Proximal.................... 32
3.2.8 Auto-Regulação............................................................................... 32
3.2.9 Aprendizagem Ativa ....................................................................... 33
3.2.10 Outros ............................................................................................ 34
3.3 Objetivos do Método de Casos ................................................................ 34
3.4 Instrução Baseada em Casos.................................................................... 35
3.4.1 A Discussão do Caso....................................................................... 36
3.4.2 O Papel do Professor....................................................................... 38
3.4.3 Ferramentas do Professor................................................................. 39
3.5 Problemas de Aprendizagem com o Método de Casos ......................... 40
3.6 O Método de Casos Aplicado à World Wide Web................................... 42
3.7 Conclusão.................................................................................................. 43
4 Suporte à Atividade de Grupo no Ensino Baseado em Estudos
de Casos a Distância........................................................................................... 45
4.1 Abordagem Computacional para os Sete Passos................................... 45
4.1.1 Os Sete Passos, Objetivos e Atividades........................................... 46
4.1.2 A Ferramenta do Professor: Fazer Perguntas.................................... 51
4.1.3 A Implementação dos Sete Passos.................................................... 54
4.2 Aspectos Básicos do Design do Sistema ................................................. 56
4.2.1 Desenvolvimento de Habilidades x Aquisição de Conhecimento... 56
4.2.2 Orientação da Discussão do Caso..................................................... 56
4.2.3 Promoção e Monitoramento da Discussão do Caso.......................... 57
4.2.4 Aprendizagem Individual................................................................ 57
4.2.5 Colaboração...................................................................................... 58
4.2.6 Tempo.............................................................................................. 58
4.2.7 Participação...................................................................................... 59
4.2.8 Problemas com o Método de Casos Considerados pelo Design do Sistema
..............................................................................................59
4.3 Ensino a Distância Baseado em Casos ................................................... 60
4.4 Ambiente e Ferramentas......................................................................... 61
4.5 Conclusão.................................................................................................. 62
5 Um Ambiente Inteligente para o Ensino Baseado em Estudos
de Casos a Distância........................................................................... 63
5.1 Arquitetura do Sistema........................................................................... 63
5.1.1 Agentes Inteligentes......................................................................... 63
5.1.2 Definições de Agentes..................................................................... 64
5.1.3 Revisões sobre Agentes................................................................... 73
5.1.4 A Arquitetura Baseada em Agentes do Sistema Desenvolvido ........ 79
ix
X
5.1.5 Agente de Interface.......................................................................... 83
5.1.6 Agente de Informação...................................................................... 85
5.1.7 Agente de Aconselhamento............................................................. 86
5.2 Componentes e Funções do Sistema ....................................................... 87
5.2.1 Base de Conhecimento do Domínio................................................. 87
5.2.2 Parser e Interpretador Semântico..................................................... 90
5.2.3 Controlador da Violação de Restrições............................................ 90
5.2.4 Controlador do Caminho de Solução ............................................... 91
5.2.5 Gerador de Intervenções .................................................................. 97
5.2.6 Base de Conhecimento da Abordagem dos Sete Passos................... 100
5.3 Interface.................................................................................................... 100
5.4 Conclusão.................................................................................................. 108
6 Validação do Modelo Teórico Proposto.......................................... 109
6.1 Experimento 1 .......................................................................................... 109
6.1.1 Objetivo .......................................................................................... 110
6.1.2 Modelo............................................................................................ 110
6.1.3 Procedimento................................................................................... 111
6.1.4 Resultados....................................................................................... 112
6.1.5 Conclusões....................................................................................... 113
6.2 Experimento 2.......................................................................................... 113
6.2.1 Objetivo .......................................................................................... 114
6.2.2 Modelo............................................................................................. 114
6.2.3 Procedimento................................................................................... 116
6.2.4 Resultados....................................................................................... 117
6.2.5 Conclusões....................................................................................... 123
6.3 Conclusão ................................................................................................. 125
7 Discussão e Trabalhos Futuros....................................................................... 126
7.1 Avaliação da Solução do Caso.................................................................. 127
7.2 Ensino baseado em Casos........................................................................ 129
7.3 Ferramentas de Representação............................................................... 131
7.4 Sincronicidade e Não-sincronicidade no Ensino a Distância .............. 135
7.5 Conclusão................................................................................................. 137
8 Conclusões........................................................................................ 138
Referências Bibliográficas.................................................................. 141
Apêndices ........................................................................................... 151
Apêndice A: Estudos de Caso na Engenharia de Produção.............................. 152
Apêndice B: Extratos do Diálogo e Árvores de Solução ................................ 157
Apêndice C: Estudo de Caso: A Dilemma Case on "Animal Rights"............... 168
xi
xii
Lista de Figuras
Figura 1. Tipologia de agentes......................................................................... 75
Figura 2. Arquitetura baseada em agentes...................................................... 81
Figura 3. Performativas KQML para conexão inicial entre os agentes e o
facilitador......................................................................................... 82
Figura 4. Estrutura básica do agente de interface........................................... 84
Figura 5. Agente de informação ..................................................................... 86
Figura 6. Representação gráfica da árvore de solução .................................... 98
Figura 7. O ambiente colaborativo.................................................................. 101
Figura 8. Formulários...................................................................................... 101
Figura 9. As funcionalidades da lista de participantes .................................... 103
Figura 10. A janela do browser customizada .................................................... 103
Figura 11. Representação gráficada solução .................................................... 104
Figura 12. Intervenção do sistema .................................................................... 104
Figura 13. A ferramenta de chat ...................................................................... 106
Figura 14. Tela do ambiente colaborativo Habanero mostrando, do lado
esquerdo acima a janela principal da framework e abaixo a janela
do editor de texto e no lado direito acima a janela do browser e
abaixo a janela do chat.................................................................... 115
xiii
Lista de Tabelas
Tabela 1. A abordagem dos Sete Passos ......................................................... 51
Tabela 2. Características desejáveis de agentes .............................................. 69
Tabela 3. Propriedades dos agentes................................................................. 71
Tabela 4. Sentenças em inglês de estudos de casos em Engenharia de
Produção representadas com gratos conceituais.............................. 88
88
Tabela 5. Um exemplo de uma restrição de estado (<Cr, Cs>) de um estudo
de caso no domínio de Engenharia de Produção.............................. 89
Tabela 6. Um exemplo de mal entendido dos estudantes sobre as sentenças
do estudo de caso modeladas como restrições na Tabela 5.............. 91
Tabela 7. Regras de produção para a geração da árvore que representa a
solução do caso................................................................................ 93
Tabela 8. Algoritmo para geração da representação da árvore de solução do
caso.................................................................................................. 95
Tabela 9. Exemplos de mal entendidos (M) dos estudantes seguidos pelas
sentenças corretas (C) de um estudo de caso em Engenharia de
Produção.......................................................................................... 99
1 Introdução
O suporte ao método de aprender através de estudos de caso no ensino a distância
envolve habilitar a colaboração entre dois ou mais estudantes geograficamente dispersos
em uma atividade de estudo de caso. Esta tese apresenta um sistema baseado na World
Wide Web que dá suporte a atividade de grupo no ensino a distância através de estudos
de caso. Tal sistema permite a colaboração entre os estudantes, como também colabora
com estes no processo de solução do estudo de caso, que é realizado através da na World
Wide Web, com o apoio de tecnologia inteligente.
1.1 Objetivo
O modelo teórico proposto nesta tese tem o objetivo de apoiar a atividade de grupo na
aprendizagem através de estudos de caso a distância. O design do sistema aborda as
questões pedagógicas que surgem da aplicação do método a este tipo de mídia e tem
como objetivo proporcionar as condições apropriadas para seu funcionamento. Como
resultado, este modelo contempla o que Buri (1997) encara como questões fundamentais
no design do ensino a distância: a mistura apropriada entre interação e outros atributos
desejáveis, tais como a comunicação efetiva de um sistema coerente de idéias e o
fomento de certos tipos de pensamento (por exemplo, relativo ao método de casos, a
prática de habilidades de tomada de decisão ao invés da aquisição de conhecimento ou
desenvolvimento do pensamento independente).
Para atingir o seu objetivo este trabalho é fundamentado na Inteligência Artificial (IA),
fazendo uso de seu rationale e de suas técnicas, tanto na concepção do sistema
computacional, como no seu design e implementação. Na medida em que aplica as
técnicas de IA a um problema educacional o trabalho está colocado no campo da
Inteligência Artificial na Educação (IA-ED). Assim sendo, esta tese apresenta um
sistema baseado em computador para apoiar o aprendizado que, em relação aos tipos
mais conhecidos de sistemas de aprendizagem baseados em computador, se insere na
categoria dos ambientes de aprendizagem inteligentes. Como conseqüência, tal sistema
não apresenta a arquitetura tradicional dos Sistemas Tutores Inteligentes (STI) e
consequentemente não tem exatamente os mesmos componentes de um STI: modelo do
conhecimento do estudante, modelo do conhecimento pedagógico e modelo do
conhecimento do domínio.
Esta tese também se insere na área de pesquisa da Aprendizagem Colaborativa Apoiada
por Computador, na medida em que o método de casos intrinsecamente exige a
aprendizagem colaborativa e/ou o trabalho colaborativo por parte dos estudantes. A
princípio, a meta de pesquisa da área de Aprendizagem Colaborativa Apoiada por
Computador é estabelecer se e sob que circunstâncias a aprendizagem colaborativa é
mais efetiva do que a aprendizagem individual. Em anos mais recentes a área começou a
ver o grupo como a unidade de análise e a enfocar as propriedades da interação mais
emergente, socialmente construídas. Neste sentido, o paradigma da aprendizagem
através de estudos de caso a distância, apresentado nesta tese, modela as interações entre
os estudantes e o sistema. Consequentemente, o sistema apresentado pode ser chamado
de um sistema de suporte à aprendizagem colaborativa.
O contexto para esta pesquisa é um curso a distância de Engenharia de Produção que
inclui disciplinas que contêm problemas abertos sobre design, análise, seleção,
planejamento e/ou situações de tomada de decisão empresariais. Normalmente, tais
problemas são derivados da experiência, refletem as "preocupações do mundo real" de
engenheiros e gerentes e são usados para treinar os estudantes para a prática profissional.
Os estudos de caso, neste contexto, são usados para testar, além de um certo conjunto de
habilidades como será detalhado no Capítulo 3, se os estudantes adquiriram
conhecimento numa certa matéria ou domínio. Isto é, o trabalho com um estudo de caso
geralmente demanda que os estudantes, para resolver um caso, dominem um grupo de
assuntos que foram previamente estudados e apresentam uma situação que exige a
aplicação do conhecimento incorporado por esses assuntos. Este é um dos objetivos de
utilizar o método de casos no ensino. Sendo assim, com a intenção de demonstrar a
estrutura teórica proposta, alguns estudos de casos na disciplina de Controle de
Inventário e Administração de Materiais, que abordam a filosofia Just-in-Time e o
Inventário de Materiais em Processo (Tersine, 1988), foram modelados para serem
usados no sistema. Porém, o sistema é geral o bastante para ser aplicável a
qualquer disciplina onde o método de casos é utilizado - a saber, aquelas onde as
habilidades de resolver problemas complexos e não estruturados são requeridas.
1.2 Justificativa
A motivação para esta pesquisa é dupla. Por um lado, ela vem de uma demanda que teve
um crescimento nos últimos anos com o advento das novas tecnologias de comunicação
baseadas em computador. Tais tecnologias representam um novo leque de possibilidades
para o ensino a distância. As redes, as aplicações multimídia, a aprendizagem
colaborativa baseada em computador e a aplicação da inteligência artificial em sistemas
educacionais, para citar apenas algumas, são exemplos das oportunidades que a área da
pedagogia pode explorar. O desenvolvimento de incontáveis aplicações educacionais
baseadas na World Wide Web (Web) ou na Internet, assim como os cursos a distância,
são uma demonstração desta realidade. Porém, deve-se ter em mente o fato que a "única"
diferença entre ensino a distância e a educação tradicional é que a comunicação entre
professor/aluno e aluno/professor é mediada. E, como conseqüência, questões como a
qualidade da interação educacional e a necessidade de uma (re) conceitualização devem
ser levados em conta no processo educacional (Garrison, 1993).
Burt (1997) define ensino a distância como ensino que acontece a distância. Além dessa
definição, o autor mostra a importância de características como a comunicação em duas
vias e a interação. Ele considera fundamental no design do ensino a distância a mistura
apropriada entre interação e outros atributos desejáveis. Isto significa que os materiais
do ensino a distância devem ser especialmente projetados para prover as qualidades
características da interação presencial tradicional. Na mesma linha, Benyon et al. (1997),
comentando sobre o design de sistemas educacionais baseados na Web, coloca que é
preciso levar em conta as restrições apresentadas pela mesma, assim como as questões
pedagógicas que surgem de seu uso. Particularmente, num contexto de Universidade
Virtual (Barcia et al., 1997) a importância de tais assuntos é significativa.
Por outro lado, além de, e acompanhando esta recente demanda, percebe-se que o campo
do ensino de engenharia ainda tem uma grande lacuna relativa à aplicação dos
métodos educacionais e pedagógicos usados na área às possibilidades oferecidas pelas
novas tecnologias. No início deste trabalho, uma investigação foi realizada com o
propósito de pesquisar os métodos educacionais e/ou atividades de aprendizado
utilizadas na área da Engenharia de Produção. Tal investigação mostrou que existe uma
variedade de sistemas baseados em computador que implementam atividades de
aprendizado, tais como resolução de problemas ou simulações, que são empregados na
área. Porém, não havia nenhum trabalho relevante que aplicasse o método de aprender
com estudos de caso a um sistema baseado em computador ou no ensino a distância.
A aprendizagem através de estudos de caso é um método educacional bem estabelecido
e que tem sido usado durante anos no ensino de engenharia, como também em muitos
outros campos (por exemplo, administração, direito, medicina, etc). As tentativas de
aplicar este método a um ambiente baseado em computador feitas até então,
principalmente nos últimos anos, não são representativas se comparadas ao uso do
método na sala de aula tradicional. Além de tais tentativas serem algumas poucas, elas
também não implementam as características principais do método. Em nossa opinião isto
não é devido a restrições tecnológicas, mas à negligência dos princípios básicos de
funcionamento da instrução baseada em casos.
Uma boa evidência para isto é a aprendizagem colaborativa apoiada por computador no
método de casos aplicado à administração (um campo típico e tradicional de aplicação
do método). De acordo com Oram (1996), apesar do fato de que o apoio computacional
para a colaboração na área de administração ser bem estabelecido, o seu uso na educação
de gerentes tem sido largamente ignorado. Em nossa opinião a atividade de estudo de
caso pode ser suportada na Web com: (1) o uso de recursos de hipermídia textual ou
gráfica para apresentar um estudo de caso e conduzir o estudante no uso do sistema; (2)
o uso de ferramentas para realizar as discussões e atividades de grupo e (3) a
combinação de atividades de estudo de caso tanto on-line como off-line, já que estas
normalmente se desenvolvem durante um tempo mais longo do que outras atividades de
aprendizagem. Como Oram (1996) também sugere, é essencial proporcionar aos
estudantes um sistema que esteja apto a dar suporte às diferentes fases do processo de
aprendizagem.
1.3 Relevância
A relevância deste trabalho está na aplicação do método educacional da aprendizagem
através de estudos de caso à um cenário de aprendizagem de ensino a distância baseado
na Web, onde os estudantes se comunicam entre si através de computadores conectados
em rede.
J. H. Shulman (1992) afirma que o aprendizado através de estudos de casos preenche
uma lacuna entre a teoria e a prática e representa um valioso procedimento para
complementar a instrução tradicional, que é caracterizada como uma prescrição de
princípios teóricos onde normalmente os estudantes não estão sujeitos a enfrentar a
complexidade dos problemas reais. O método de casos enriquece as limitações do ensino
tradicional e cria oportunidades para o estudante lidar com as ambigüidades do dia-a-dia
da vida profissional. Consequentemente, o sistema apresentado nesta tese adapta um
método educacional da sala de aula tradicional a uma situação de ensino a distância,
fazendo uso de algumas das possibilidades oferecidas pelas tecnologias de comunicação
baseadas em computador, e proporcionando aos professores e estudantes distantes a
oportunidade de trabalhar com o método.
Em relação à IA-ED, é importante observar que as caracteristicas das atividades de
estudos de caso levaram à sua relativa negligência na pesquisa na área. Os projetos que
buscaram adaptar esta pesquisa para a Web (Brusilovsky et al., 1996) tipicamente
enfocam a monitoração da resolução de problemas, ao invés das atividades de estudo de
caso. Sendo assim, com respeito à originalidade, este trabalho constitui uma nova
abordagem na área.
1. 4 Estrutura
Esta tese está dividida em oito capítulos. O Capítulo 2 apresenta nossa estrutura de
referência, isto é, as questões que representam a problemática da tese e na qual são
colocadas as perguntas de pesquisa que guiaram este trabalho. Lá se apresenta a idéia de
ensino a distância colaborativo. Para isto, primeiro definimos ensino a distância no
sentido de esclarecer o que nós queremos dizer por aprender a distância, dado o uso do
termo com variados significados. Em seguida, a evolução do ensino a distância é
descrita e a aprendizagem colaborativa apoiada por computador é apresentada com
detalhes. Além disso, mostramos a relação da aprendizagem colaborativa apoiada por
computador com o advento das novas tecnologias de comunicação e informação que,
quando usadas como a mídia para o ensino a distância, originam a necessidade de se ter
técnicas de IA aplicadas para superar as suas limitações.
O Capítulo 3 situa o contexto de pesquisa para esta tese, apresentando o método
educacional de aprendizagem com estudos de casos como aplicado na sala de aula
tradicional, incluindo a definição do que é um estudo de caso e os aspectos teóricos que
constituem a base para o método. A seguir, os objetivos do método de casos são
colocados e a operação do método na sala de aula é descrita, baseada no modelo da
escola de administração. Coloca-se também os problemas com o método e o capítulo
termina com uma descrição das tentativas realizadas, até o presente, de implementar o
método em um ambiente de aprendizagem baseado nas tecnologias de computadores em
rede.
No Capítulo 4 apresenta-se a teoria e o design desenvolvido para a aplicação do método
de casos à um sistema baseado na Web, que dá suporte à atividade de grupo no ensino
através de estudos de caso a distância. A seguir, a abordagem dos Sete Passos, que é
uma metodologia para resolver o estudo de caso, e na qual o design do sistema é
baseado, é detalhada a partir de um ponto de vista de computacional. O capítulo inclui
ainda uma explicação sobre as premissas que dão as bases para a concepção do sistema
desenvolvido, além de descrever como uma sessão com o sistema num cenário de ensino
a distância acontece.
O Capítulo 5 explica e ilustra a implementação do sistema, a qual objetiva realizar o que
foi conceitualizado no capítulo anterior em termos da funcionalidade do sistema. Além
dos detalhes técnicos computacionais, são apresentadas as técnicas de IA empregadas, a
arquitetura baseada em agentes e o raciocínio do sistema. Por fim, a interface do sistema
é apresentada e as diferentes funções do sistema são demonstradas.
No Capítulo 6 apresenta-se a validação do modelo teórico de aprendizagem através de
estudos de caso a distância de acordo com a abordagem dos Sete Passos que foi
proposto. O capítulo inclui a descrição de dois experimentos realizados em fases
diferentes do desenvolvimento da tese, com o objetivo de observar como o processo da
discussão de um caso acontece em um tipo diferente de mídia e de ambiente (em relação
à sala de aula tradicional). Baseado nos resultados destes estudos empíricos nós
ratificamos alguns aspectos do design do sistema e fizemos algumas recomendações que
dizem respeito a outros aspectos.
O Capítulo 7 discute alguns pontos relevantes desta tese e mostra os possíveis
desenvolvimentos deste trabalho. Primeiramente, mostra-se como o sistema fornece
informações para o professor que trabalha com casos fazer a avaliação da solução do
estudo de caso e dá-se uma idéia de como esta avaliação poderia ser feita pelo sistema,
apenas acrescentando algumas outras funcionalidades à versão atual. A seguir, situa-se
este trabalho em relação à área da IA de Raciocínio Baseado em Casos, explicando
como o sistema poderia ser estendido para incorporar esta técnica e recuperar um estudo
de caso de acordo com os objetivos de ensino/aprendizado. Em seguida, a ferramenta de
representação, isto é, a representação gráfica da solução em forma de árvore incluída na
interface com o usuário é discutida e a maneira de testar a efetividade e eficiência deste
recurso é apresentada como trabalho futuro. Finalmente, considera-se a questão da
sincronicidade e não-sincronicidade no ensino a distância. Dado que a aprendizagem
com estudos de casos a distância demanda, em alguns pontos, atividades síncronas, em
oposição aos requisitos do ensino a distância que tem como mídia a Internet ou a Web,
que tipicamente enfatiza a não-sincronicidade, apresentamos nosso ponto de vista
relativo a este aspecto. Além disso, aponta-se uma direção no qual esta pesquisa pode
ser conduzida para lidar com esta reivindicação.
Finalmente, o Capítulo 8 apresenta as conclusões.
2 Aprendizagem Colaborativa a Distância
O presente capítulo descreve as questões que representam a problemática desta tese e as
perguntas de pesquisa que guiaram este trabalho. Primeiro apresenta-se a definição de
ensino a distância e também uma breve revisão das visões dos diferentes autores sobre o
seu conceito. O objetivo desta revisão é "adotar" uma definição e deixar claro o que se
quer dizer por ensino a distância. A seguir, a evolução desta modalidade de educação é
explicada, enfocando seus mais recentes desenvolvimentos, ou seja, as novas tecnologias
disponíveis e particularmente o ensino a distância baseado em computador. Em seguida,
apresenta-se a aprendizagem colaborativa apoiada por computador como uma questão
principal em sistemas de ensino a distância. Finalmente, comentamos sobre a área de
Inteligência Artificial na Educação apresentando uma visão sintética da evolução da
pesquisa neste domínio e o papel variável que a Inteligência Artificial teve nos sistemas
de ensino ao longo dessa evolução. Para tal os problemas educacionais que são
abordados no campo da Inteligência Artificial na Educação, como parte da Inteligência
Artificial aplicada, são apresentados. Como resultado, a aplicação mais típica e mais
tradicional da área de Inteligência Artificial na Educação, os Sistemas Tutores
Inteligentes, é brevemente descrita. Finalmente mostramos as tendências de
direcionamento prováveis que esta área de pesquisa venha tomar nos próximos anos. A
presente tese é um exemplo de um sistema de Inteligência Artificial na Educação que
está em consonância com essas mais recentes tendências.
2.1 Definição de Ensino a Distância
De acordo com Keegan (1991), até 1990 havia uma confusão enorme sobre a definição
de ensino a distância. Termos como "aprendizagem flexível", "tecnologia educacional"
ou "educação a distância", assim como o uso da mídia em escolas e universidades, eram
freqüentemente misturados pelos autores desta área. Além disso, tais autores nem
mesmo deixavam claro se conceitos tais como treinamento baseado em computador
eram incluídos ou excluídos pelo conceito deles de educação a distância.
Outra dimensão deste problema são as diferentes designações do termo educação a
distancia que Peters (1991) apresenta, considerando as diversas acepções deste, segundo
o enfoque dado ou até mesmo a língua em que é definido ou utilizado. Por exemplo, o
termo alemão fermmterricht, que se traduz por instrução a distância, caracteriza o
fenômeno, apontando uma diferença notável desta para a educação tradicional: a
separação entre o e professor e estudante. Nesse sentido, o termo fern se mostra
adequado e também é aplicado ao ensino superior (fernstudium, que se traduz por ensino
a distância no ensino superior), na medida em que ficou possível estudar em uma
universidade sem assistir aulas.
O ensino por correspondência por sua vez é um termo que caracteriza a carta como a
mídia de comunicação. O conceito subjacente é que o professor e o estudante enviam
cartas ao invés de falar um ao outro. A associação mais importante desta designação é
que o professor instrui escrevendo e o estudante aprende lendo.
Quanto ao termo aprendizagem aberta, quando é usado para designar a educação a
distância, este enfatiza a "abertura" do processo de ensino/aprendizagem ao invés da
"proximidade" da escola tradicional. Este conceito ressalta que o acesso a este tipo de
aprendizagem é mais fácil, na medida em que é permitido aos estudantes operarem com
um certo grau de autonomia e autodirecionamento. Isto não se refere apenas ao lugar,
tempo, duração e circunstâncias da aprendizagem, mas em alguns casos também ao
currículo, o qual os estudantes podem selecionar a partir de currículos pré-planejados ou
até mesmo a partir de currículos desenvolvidos por eles mesmos.
O estudo em casa se refere ao fato que o ensino e o aprendizado neste caso não acontece
mais na sala de aula mas sim em casa. Contrastando com a (não sempre agradável)
experiência nas escolas ou nas universidades que envolve a publicidade, a necessidade
de lidar com muitas pessoas (desconhecidas ou não muito conhecidas), as salas sem
conforto ou impessoais, etc, o sentimento agradável de estar em casa - o isolamento, a
familiaridade, etc. - é enfatizado.
O termo auto-estudo guiado reforça o auto-estudo e também o qualifica por "guiado".
Ele minimiza a diferença entre a educação a distância e o ensino/aprendizagem numa
universidade, se referindo a um elemento de alto valor do ensino superior avançado:
produzir estudiosos que trabalham independentemente e, principalmente, por eles
mesmos. Como exemplo pode-se tomar a maior parte do trabalho de pós-graduação que
é feito deste modo, com ajuda apenas ocasional do orientador. Este termo então associa à
educação a distância este tipo particular de trabalho.
A palavra russa "distância" faz com que a tradução do termo usado nessa língua seja
educação sem contato presencial. Sendo assim, o termo distingue a educação a
distância do ensino convencional enfatizando a falta de contato direto e,
consequentemente, colocando esta questão como uma deficiência severa.
Finalmente, o estudo sem deixar a produção, termo oriundo dos países soviéticos,
considera como a característica mais importante da educação a distância a possibilidade
dos estudantes poderem estudar sem descontinuar o seu trabalho.
Moore e Kearsley (1996), por sua vez, definem educação de distância como se segue:
"A educação a distância é a aprendizagem planejada que normalmente
ocorre em um lugar diferente do ensino e como resultado requer técnicas
especiais de design de curso, técnicas instrucionais especiais, métodos
especiais de comunicação através de tecnologia eletrônica e outras, como
também arranjos organizacionais e administrativos especiais." (Moore &
Kearsley, 1996, pág. 2)
Moore (1997) também coloca que há muita confusão sobre a terminologia em educação
a distância e nenhuma unanimidade com respeito ao significado do termo.
Argumentando por um termo comum, o autor enfatiza que o termo "ensino a distância"
sugere ações de uma única pessoa, ou seja, sugere que as ações do estudante são
independentes das ações dos professores. Ele ressalta que os chamados programas de
"ensino a distância" são tanto um programa de ensino como também um programa de
aprendizagem. Sendo assim, estes estariam mais corretamente denominados se
chamados de educação a distância.
As definições de educação de distância podem ser colocadas de maneiras diferente mas
existe um entendimento e consenso geral sobre seu conceito. Ensino a distância é, em
primeiro lugar, um processo educacional onde o ensino é conduzido por alguém - e
gostaríamos de acrescentar que entendemos que um programa de computador pode ser
caracterizado como "alguém" na medida em que este implementa as idéias de um
professor ou instrutor - que está separado do estudante em espaço ou tempo (Collis,
1995). Sendo assim, este processo tem duas variáveis: espaço e tempo. Como tal ele
depende das diferentes graduações que estas variáveis podem assumir para caracterizar
todos as variações deste tipo de processo. Quer dizer, ao longo dos eixos que definem
tempo e espaço, pode-se acomodar as muitas variações do modelo de ensino a distância.
Na presente tese adota-se a definição de Moore e Kearsley (1996), e leva-se em
consideração as observações de Moore (1997) relativas à educação a distância, embora
nos refiramos a esta como ensino a distância. Quer dizer, embora se utilize o termo
ensino a distância, o que se quer dizer é justamente o conceito de educação a distância
destes autores. Com respeito às variáveis tempo e espaço, que definem as muitas
variações do ensino a distância, os usuários/estudantes em potencial para o tipo de
aplicação de ensino a distância descrito nesta tese estarão, mais provavelmente,
geograficamente dispersos. Com respeito ao tempo, o sistema desenvolvido dá suporte à
aprendizagem colaborativa e consequentemente demanda trabalho de grupo
colaborativo, on-line. Como resultado, o uso do sistema exige sincronicidade nas
atividades de aprendizagem ou em outras palavras ele restringe os estudantes, num certo
grau, em termos de tempo, já que eles terão que trabalhar juntos em alguns momentos
específicos. Por outro lado, acredita-se que nosso modelo atende em parte o que é a
grande reivindicação do ensino a distância, pelo menos no que diz respeito à sistemas de
ensino de distância baseados na World Wide Web (Web), ou seja, permite a não-
sincronicidade, já que o modelo educacional proposto também requer uma grande
parcela de aprendizagem individual. Isto é, os estudantes podem tirar proveito de
trabalhar no seu próprio ritmo e podem usar o seu tempo como eles desejarem.
2.2 A Evolução do Ensino a Distância
Especialmente durante os últimos anos, o ensino a distância tem feito uso das novas
tecnologias de comunicação e informação, aumentando a eficiência e aplicabilidade
desta conhecida modalidade de ensino/aprendizagem. Porém, o ensino a distância não é
novo. De acordo com Keegan (1991), por volta de 1990 o ensino a distância esteve em
existência durante uns 150 anos. E sobreviverá, indubitavelmente, pelo menos por outros
150 anos, prediz o autor.
Historicamente, a evolução do ensino a distância foi caracterizada pelo uso das
diferentes mídias (Nipper, 1989). Esta evolução começou com um modelo de primeira
aeração, também chamado ensino por correspondência, onde o material impresso ou
escrito era a mídia. Ao final do século dezenove as novas técnicas de impressão e o
sistema ferroviário impulsionaram esta modalidade de educação em termos de eficiência
qualitativa, na medida em que tornou possível tanto a produção de materiais em
quantidades maiores como a distribuição destes para um grupo geograficamente disperso
de estudantes. Entretanto, neste modelo de primeira geração a interatividade não é
possível. O processo de realimentação entre o estudante e professor, e vice-versa, é
caracteristicamente lento, escasso e restrito à submissão de tarefas agendadas. Não
existe também nenhuma interação entre os estudantes.
Em uma fase mais recente, um modelo de segunda geração, chamado ensino a distância
multimídia, foi desenvolvido nos anos sessenta. Este integrava o uso de mídias como a
radiodifusão, fitas cassete, e até mesmo os computadores, sendo que em menor escala. O
processo de realimentação neste modelo é ainda semelhante ao do modelo de primeira
geração, mas também inclui o telefone e os contatos presenciais.
O advento das novas tecnologias de comunicação e informação originou o modelo de
ensino a distância de terceira geração, no qual a prioridade é dada à interatividade do
processo. Nos modelos de primeira e segunda geração, o objetivo era a produção e
distribuição de materiais de ensino e aprendizado para os estudantes. A falta de
interatividade das mídias estabelecia os limites para se dar um feedback aos estudantes,
para não falar sobre as comunicações entre os estudantes, que eram mais ou menos não
existentes. Deste modo, estes modelos restringiam o processo de ensino/aprendizagem.
O modelo de terceira geração permite o tipo de participação interativa que só existiu
anteriormente em uma sala de aula tradicional.-
Não obstante, o termo interatividade pode ter muitas interpretações, como também pode
significar coisas diferentes, dependendo de qual a tecnologia usada. Algumas
tecnologias permitem a comunicação simultânea ou em tempo-real (síncrona), outras
permitem que a comunicação seja armazenada e acessada quando o professor ou o
estudante está disponível (assíncrona). Algumas tecnologias são uma mídia de
comunicação de uma só via e outras são de duas vias. Algumas são permanentes
enquanto outras são passageiras. Todas estas características da tecnologia têm um
determinado impacto na interatividade (Bates, 1995).
2.3 Ensino a Distância Baseado em Computador
Os mais recentes desenvolvimentos das tecnologias de informação, em hardware,
software e telecomunicações, aumentaram o papel potencial da tecnologia no ensino a
distância. Hoje em dia os professores e educadores podem empregar uma diversidade de
mídias que tornam possível todos os tipos de variações de modelos e estilos de ensino a
distância. A áudio-conferência, a conferência áudio-gráfíca, a videoconferência, a
conferência por computador e o ensino baseado em computador representam a
maioria dessas tecnologias. Ao invés de dar uma visão panorâmica de todas as
possibilidades tecnológicas disponíveis, o que está fora do âmbito do presente trabalho,
estas serão apresentadas brevemente e a seguir enfocar-se-á as comunicações mediadas
por computador.
A áudio-conferência é a forma mais comum e menos cara de teleconferência,
oferecendo a vantagem da interatividade ao vivo, a um relativo baixo custo. A
transmissão de sinais auditivos é tipicamente realizada pelo uso de linhas de telefone
regulares.
A conferência áudio-gráfica combina as tecnologias para comunicação de voz (linhas
de telefone) com aquelas que permitem transmissão de imagens ou dados. Os periféricos
que fornecem o componente visual incluem a máquina de fac-símile (fax), o quadro-
negro eletrônico, a tecnologia de vídeo e o computador pessoal (Willis, 1993). E
interessante observar que no Brasil o dispositivo mais usado para o componente visual é
uma transmissão de televisão via satélite ao vivo, e esta modalidade é denominada
teleconferência.
A videoconferência pode ser transmitida por satélite ou cabo, ou pode ser realizada por
meio de vídeo e áudio comprimido. Esta é considerada a mídia que proporciona a maior
semelhança com a sala de aula tradicional, já que esta permite o ensino a distância
síncrono, altamente interativo (Moore, 1996).
A conferência por computador permite que os professores e estudantes interajam
através de uma rede de computadores (por exemplo, a Internet). Eles podem enviar
mensagens uns aos outro por e-mail, como também transferir arquivos de dados.
Enquanto uma conferência por computador pode acontecer ao vivo, sincronamente, a
maior parte das interações é distribuída ao longo do tempo, assincronamente. Além
disso, ela também pode ser uma ferramenta poderosa para a cooperação e para a
aprendizagem colaborativa.
A aprendizagem baseada em computador se refere à quando o estudante usa um
computador pessoal para acessar os materiais instrucionais que estão armazenados num
computador. As mais recentes formas de instrução baseada em computador atualmente
utilizam ou o CD-ROM ou a Web para apresentar aos estudantes materiais de ensino
multimídia. No caso da Web, o computador é a plataforma para acessar, processar e
transmitir os dados a distância, entre computadores, pela Internet.
A Internet junto com a Web é uma das tecnologias mais promissoras para o ensino a
distância. O crescimento fenomenal da Internet durante os últimos anos, junto com o
desenvolvimento de várias aplicações multimídia, apresenta uma grande variedade de
oportunidades para os educadores. Há um interesse crescente nesta tecnologia para a sala
de aula, especialmente porque a simples instalação de servidores e linhas de telefone
permite que as escolas se tornem sites da Internet (Sherry & Morse, 1995). Hoje em dia
os computadores pessoais e as estações de trabalho estão espalhados no mundo inteiro
em escritórios e laboratórios de universidades. Professores, estudantes e até mesmo
pessoal administrativo têm acesso a uma grande variedade de serviços suportados por
computador, inclusive acesso à Internet. O baixo custo relativo se aliou à capacidade de
alcançar uma vasta audiência geograficamente dispersa criando uma vantagem
comparativa desta tecnologia em relação às outras mídias. A inclusão de computadores
nas escolas e universidades está ficando mais atraente desde que o hardware e o software
alcançaram um nível tal que uma apresentação hipermídia de conteúdo não trivial se
tornou possível até para a maioria dos leigos. Além disso, as ferramentas da Internet
como e-mail, chat e bulletin boards podem proporcionar as características necessárias
para as diferentes necessidades em termos educacionais.
A Web é um sistema de informação distribuído baseado em hipermídia que roda na
Internet. A hipermídia é uma abordagem para o gerenciamento da informação onde os
dados ou a informação é estruturada como uma rede associativa de nós e links que os
relacionam. Isto livra os autores da estrutura seqüencial linear que domina a maioria dos
documentos impressos. Em um documento de hipermídia, se você quer mais
informações sobre um assunto em especial, você normalmente pode apenas "clicar sobre
ele" para ler detalhes adicionais. Os nós desta rede podem então conter texto, gráficos,
áudio, vídeo assim como código fonte ou outras formas de dados. A hipermídia por sua
vez é um hipertexto com os recursos de multimídia (Bieber et al., 1997).
A Web pode ser usada suportar e melhorar o ensino em cursos a distância. Ela
proporciona acesso simples à informação em uma escala global. Ela constitui um
mecanismo de distribuição de materiais, permitindo aos estudantes fazer um curso
estando em qualquer lugar do mundo. Ela representa uma nova tecnologia de ensino
poderosa devido a seu potencial de integrar todos os recursos de hipermídia em um
único ambiente de aprendizagem. Porém, para tirar proveito das possibilidades que esta
tecnologia provê, as teorias de aprendizagem devem ser desenvolvidas e incorporadas no
design da aprendizagem baseada em computador. Nesse sentido, as teorias de
aprendizagem modernas enfatizam a importância do contexto e da colaboração quando
integram as tecnologias na aprendizagem em diferentes níveis. Consequentemente, o
design de um sistema de ensino de distância baseado na Web precisa levar em conta as
restrições apresentadas pela Web assim como as questões pedagógicas que surgem de
seu uso (Benyon et al., 1997).
De muitas maneiras o ensino a distância é o paradigma para a aprendizagem baseada em
computador. No ensino a distância é necessário que os recursos representem o papel do
professor ausente. E essencial determinar, consequentemente, como se pode acomodar
todos os diferentes estilos e atividades de aprendizagem que são necessários dentro de
um software computacional. E preciso também considerar como a avaliação e o feedback
podem ser empregados para especializar e adaptar o que o computador apresenta, de
forma a se adequar ao estudante individual. É necessário amenizar o isolamento social do
estudante, encontrando modos para ajudá-lo a se sentir parte de uma autêntica
comunidade de aprendizagem.
Neste contexto, um aspecto importante do suporte ao ensino a distância deve ser a
possibilidade de contatar um facilitador ou tutor, e de se comunicar com os outros
participantes de um curso, de forma que exista a oportunidade para o debate entre eles.
Isto está relacionado às questões de participação autêntica nas atividades intelectuais que
requerem as habilidades intelectuais que nós esperamos que os estudantes adquiram.
Qualquer que sejam os mecanismos de efetiva colaboração, os estudantes, que estão
socialmente isolados em do outro devem ter a chance para experimentar trabalhar como
um grupo para produzir um produto coletivo. No mínimo, as habilidades sociais que são
necessárias para fazer isto são qualidades altamente desejáveis que a mão-de-obra
possua.
2.4 Aprendizagem Colaborativa Apoiada por
Computador
Diante do que foi exposto na seção anterior, verifica-se que a aprendizagem colaborativa
apoiada por computador (CSCL - Computer Supported Collaborative Learning) é uma
questão importante nos sistemas de ensino a distância atuais. Isto é devido à
possibilidade apresentada pela Internet para reunir estudantes geograficamente dispersos
e conectados por computadores em rede trabalhando como um grupo. Como
conseqüência, há uma proliferação de sistemas educacionais baseados em computador
que reivindicam ser colaborativos.
Porém, antes de comentar a respeito da aprendizagem colaborativa apoiada por
computador, é interessante colocar suas características e sua importância como um
método de aprendizagem por si só, ou seja, tornar claro o que se quer dizer por
aprendizagem colaborativa.
Roschelle e Teasley (1995) afirmam que o trabalho colaborativo entre estudantes
proporciona um ambiente particularmente rico para aprender. O contexto social mantém
a motivação dos estudantes e naturalmente estimula a comunicação verbal. A fim de
enfatizar este aspecto, os autores mencionam vários teóricos proeminentes (entre eles
Piaget, 1932 e Vygotsky, 1978), que tem argumentado que aprender é fundamentalmente
uma atividade social.
Buscando analisar o processo de colaboração, Roschelle e Teasley (1995) primeiramente
definem o que eles se referem como colaboração: "uma atividade síncrona coordenada
que é o resultado de uma tentativa continuada de construir e manter uma concepção
compartilhada de um problema". Esta definição tem uma grande aceitação e foi
amplamente usada durante vários anos pela comunidade de pesquisa no campo da
aprendizagem colaborativa apoiada por computador. A principal virtude desta definição
é sua capacidade de distinguir precisamente colaboração de cooperação - que é a
situação onde há simplesmente uma divisão do trabalho a ser feito entre o grupo, e cada
participante quase não interfere com a parte do outro - quando ambos os termos são
muitas vezes usados como sinônimos.
Entretanto, de acordo com Dillenbourg (1999) não existe um consenso no que diz
respeito ao que é rotulado como aprendizagem colaborativa. Tanto na área de pesquisa
continuada quanto nas práticas de aprendizagem colaborativa existe um uso generalizado
do termo. Em função disso, é difícil falar sobre os efeitos cognitivos de uma situação
colaborativa, como por exemplo a aprendizagem, se qualquer situação pode ser chamada
de colaborativa. Além disso, existe uma variedade de abordagens para a definição de
aprendizagem colaborativa. A mais ampla é "uma situação na qual duas ou mais pessoas
aprendem ou tentam aprender algo juntas". Mesmo assim, esta definição é insatisfatória,
uma vez que seus elementos (duas ou mais, aprender algo e juntas) podem ser
interpretados de modos diferentes. Duas ou mais pode ser interpretado como um par, um
grupo pequeno (de três a cinco pessoas), uma classe (de vinte a trinta estudantes), ou até
mesmo uma comunidade, uma sociedade e todos os níveis intermediários. Aprender algo
pode ser interpretado como seguir um curso, estudar os materiais de um curso, executar
atividades de aprendizado tais como resolução de problemas, etc. Juntas pode ser
interpretado como formas diferentes de interação: presencial ou mediada por
computador, síncrona ou não, freqüente no tempo ou não, se é um esforço
verdadeiramente em comum ou se o trabalho é dividido de um modo sistemático, etc.
Assim, os três elementos acima definem o espaço do que é encontrado sob o rótulo de
aprendizagem colaborativa: pares que aprendem através da
resolução de problemas síncrona e intensivamente durante uma ou duas horas, grupo de
estudantes que usam o correio eletrônico durante um curso de um ano, etc.
Dillenbourg (1999) afirma que esta generalização afeta até mesmo as teorias
subjacentes. Por exemplo, isto é ilustrado pelo aparecimento de teorias de cognição
distribuída nas quais o grupo é visto como um sistema cognitivo e os processos de grupo
são descritos com os termos que a ciência cognitiva usa para descrever a cognição
individual (memória, propagação de estados de representação, etc). E importante notar
que na área de pesquisa de aprendizagem colaborativa apoiada por computador a
memória de grupo freqüentemente é reduzida a uma memória de trabalho, que inclui
uma representação persistente do estado do problema mediada por algum artefato (por
exemplo, um espaço de trabalho visual compartilhado) e uma memória de interação (por
exemplo a história das últimas n interações).
A pesquisa em aprendizagem colaborativa apoiada por computador tradicionalmente tem
se preocupado com algumas das situações neste espaço. Com respeito à escala (tamanho
do grupo e variação de tempo), ela se refere a uma escala pequena, isto é dois a cinco
participantes que colaboram durante cerca de uma hora. Com respeito à aprendizagem
ela inclui qualquer atividade colaborativa, entre as quais a mais característica é a
resolução de problemas em grupo, onde é esperado que a aprendizagem ocorra como um
efeito colateral da resolução de problemas, medida pela elicitação do novo conhecimento
ou pela melhora de desempenho na resolução do problema. Finalmente, com respeito à
própria colaboração, a definição de Roschelle e Teasley (1995) colocada acima
caracteriza corretamente o tipo de processos de aprendizagem, exceto pelo fato de que
ela não inclui a situação denominada como colaborativa - os participantes estão mais ou
menos no mesmo nível e podem executar as mesmas ações, eles têm uma meta comum e
trabalham juntos (Dillenbourg, 1999).
Mais recentemente, estudos empíricos começaram a enfocar menos o estabelecimento de
parâmetros para colaboração efetiva e mais a tentativa de entender o papel que tais
variáveis representam na mediação da interação. Esta mudança para um enfoque mais
orientado ao processo requer ferramentas novas para analisar e modelar as interações
(Dillenbourg et al., 1996). Nesse sentido um dos papéis da Inteligência Artificial (IA)
pode ser de apoiar as interações entre os estudantes. Este é o contexto para o presente
trabalho.
2.5 Inteligência Artificial na Educação
De acordo com Self (1995) o campo de Inteligência Artificial na Educação (IA-ED)
consiste na aplicação de técnicas da IA à problemas educacionais. Os sistemas de IA-ED
são freqüentemente chamados de sistemas de apoio à aprendizagem baseados em
computador (apesar disto poder não parecer óbvio à primeira vista) dado que os
princípios de design desses sistemas serão derivados e principalmente expressados na
linguagem da IA. É importante enfatizar que um sistema de IA-ED é um sistema de
ensino baseado em computador que tem algum grau de tomada de decisão autônoma
com respeito à sua interação com os usuários. Este processo de tomada de decisão é
executado necessariamente on-line, durante a interação do sistema com os usuários. Para
tal, o sistema necessita ter acesso a vários tipos de conhecimento e processos de
raciocínio de forma a habilitar tais decisões a serem tomadas. Assim, a IA-ED é parte da
IA aplicada. Ela constitui um campo interessante de pesquisa por causa de seu constante
inter-relacionamento de idéias e é importante por causa da sua contribuição em potencial
para o objetivo social de melhorar a qualidade da aprendizagem. As fontes para IA-ED
vêm de diversas áreas: principalmente da ciência da computação, da psicologia e da
pesquisa em educação, mas também dos muitos campos que são os tópicos dos sistemas
de IA-ED.
Self (1995) também observa que uma revisão da IA-ED é hoje em dia bastante difícil, já
que o campo se expandiu em muitas direções. O autor coloca que desde o panorama
mostrado por Wenger (1987), nenhuma revisão geral da IA-ED foi publicada. Ao invés
disso, muitos livros se concentraram em partes específicas do campo.
Em uma tentativa de inspecionar os problemas educacionais que são abordados na área
de IA-ED, Self (1995) discute as perguntas colocadas abaixo:
• Qual é a natureza do conhecimento?
A maioria dos sistemas IA-ED objetiva auxiliar os estudantes a adquirir
conhecimento em algum campo. Isto é feito de acordo com uma variedade de
filosofias de conhecimento.
O objetivismo implica que a representação da IA descreve e ajuda os estudantes a
adquirirem conhecimento sobre o mundo, que é estruturado em termos de entidades,
propriedades e relações, e o sobre as quais se pode raciocinar através da
manipulação de símbolos abstratos que representam a realidade.
O construtivismo, que contrasta com o objetivismo, defende que o significado é
imposto no mundo por nós em lugar de existir no mundo independente de nós. Um
sistema de IA-ED com uma abordagem construtivista não conteria a priori um
conhecimento correto, mas tentaria descobrir-lo em um empreendimento conjunto
com o estudante.
O situacionismo enfatiza que o conhecimento não existe na memória mas emerge
da interação com o ambiente. Os situacionistas argumentam que as representações
são criadas no curso de atividade, mas não são elas mesmas o conhecimento, sendo
este a capacidade de interagir.
O conexionismo é a visão de conhecimento que o representa nos pesos e conexões
entre um grande número de nós modelados nas redes neuronais.
• Como o conhecimento pode ser aprendido?
O fato de não existir um mapeamento inequívoco entre as filosofias de
conhecimento e as filosofias de aprendizagem é uma das dificuldades da pesquisa
em IA-ED. Em geral, o design de sistema de IA-ED reflete uma visão bastante
eclética sobre a natureza de aprendizagem, a despeito das visões sobre a natureza do
conhecimento.
Os sistemas de ensino dirigidos por falhas são baseados na suposição de que a
ocorrência de fracassos provê a oportunidade para a aprendizagem.
A aprendizagem baseada em casos envolve a idéia de que os estudantes aprendem
a partir de histórias (casos) apresentados no momento exato em que estes
necessitam da informação trazida por esta estória.
A aprendizagem através da experimentação é um ambiente de resolução de
problemas no qual os estudantes executam experiências e são guiados pelo sistema
para interpretá-los.
A aprendizagem através do diálogo advoga que existe uma necessidade de se
engajar o estudante num diálogo a fim de se esclarecer as concepções errôneas
fundamentais que derivam de, por exemplo, os estudantes interagirem com um
sistema com o objetivo de alcançar um efeito de curto prazo, sem abordar as crenças
e concepções equivocadas, que por sua vez permanecerão no longo prazo.
A aprendizagem como uma atividade social propõe que a ênfase do design de um
sistema deve ser o contexto social e fisico no qual ele vai ser usado.
• Os sistemas devem instruir, ensinar, guiar ou treinar os estudantes?
A visão de que a especialidade do professor pode ser embutida em um sistema de
IA-ED é bastante ingênua, na medida em que a natureza desta não é conhecida clara
e suficientemente, e também porque os designers de sistemas IA-ED geralmente não
são eles mesmos os especialistas ou não têm acesso à essa especialidade. Além
disso, o componente pedagógico tem sido considerado de menos importância do
que, digamos, as representações do conhecimento do domínio. Vários estilos
pedagógicos são adotados nos sistemas IA-ED e uma questão que vale a pena notar
é que a velha distinção entre teorias de aprendizagem como sendo descritivas e
teorias de instrução como sendo prescritivas é rejeitada pela pesquisa em IA-ED. A
vasta maioria dos sistemas é uma investigação de um estilo aplicada à um tópico
específico, e não uma cobertura inclusiva ou de uma parte significativa do currículo
ou de uma gama de estilos pedagógicos. Em tais sistemas, o equilíbrio entre "guiar",
"dizer o que fazer" ou "deixar" o estudante, e consequentemente toda a questão do
equilíbrio do controle entre o estudante e o sistema é um debate contínuo.
• Como as novas tecnologias devem ser usadas em educação?
A despeito de considerações filosófícas, psicológicas, ou qualquer outro tipo de
consideração acadêmica, as novas tecnologias têm sido crescentemente aplicadas à
educação. A IA tem uma relevância em potencial para as novas tecnologias no
sentido de que suas técnicas podem ser adotadas para superar as limitações em
proporcionar o que as novas tecnologias prometem. As várias tendências apontam,
para citar apenas algumas, para o uso de interfaces multimídia que requerem
modelos não apenas para as próprias mídias mas do usuário, da tarefa e do discurso;
a efetividade da realidade virtual que depende fundamentalmente da relação entre a
experiência de aprender, a experiência social e a experiência perceptiva, que por sua
vez mostra a necessidade de incluir outros estudantes e outros agentes inteligentes
no ambiente; a demanda por ambientes de aprendizagem colaborativos baseados em
computador no ambiente de trabalho pode ser suprida adaptando os ambientes de
prática supervisionada desenvolvidos originalmente para a aprendizagem individual.
• Quais são as medidas de efetividade?
A pesquisa em IA-ED, como um campo de aplicação de IA, e comparado às outras
áreas, tem uma demanda muito alta por avaliação. Dois tipos de avaliação podem
ser distinguidos: o de sistemas completos, que são avaliações somativas ou externas
e que geralmente tentam demonstrar algum benefício do sistema como um todo; e o
de componentes ou protótipos do sistema (avaliações formativas ou internas) que
geralmente objetivam investigar as propriedades de partes do sistema de forma que
este possa ser melhorado.
Além do que foi exposto acima é importante neste ponto fazer um comentário sobre os
Sistemas Tutores Inteligentes (STI), dando uma visão geral do desenvolvimento
histórico da IA-ED, que tem o propósito de esclarecer o que é freqüentemente tomado
como a totalidade da área de IA-ED. Neste sentido, a IA-ED tem uma história curta mas
porém interessante. Os esforços iniciais neste campo datam dos anos setenta e foram
caracterizados pelo otimismo presente na IA em geral. Os trabalhos iniciais fizeram
contribuições significativas tanto para a IA quanto para a educação. Por volta dos anos
oitenta, seguindo o sucesso do trabalho da IA aplicada, os sistemas especialistas, a
pesquisa em IA-ED, buscando capitalizar em cima da pesquisa em IA, desenvolveu
sistemas que se caracterizavam muito mais pela sua utilidade do que sistemas
teoricamente interessantes. O impacto disto permanece até o presente.
As aplicações mais típicas e tradicionais da IA-ED desenvolveram os STI. Um STI tenta
implementar métodos tradicionais de ensino e aprendizagem, exemplificados por uma
interação humana um-para-um. O ensino um-para-um permite que a aprendizagem seja
altamente individualizada, e geralmente rende resultados melhores que outros métodos
de ensino. Embora os STI difiram em uma variedade de modos, a maioria tem uma
estrutura característica. Um STI tradicional é baseado na suposição de que o processo de
pensamento de um estudante pode ser modelado, rastreado e corrigido. Baseado nos
princípios da instrução auxiliada por computador (Computer Assisted Instruction, CAI),
os STI permitiriam um modelo genérico que pode ser usado para qualquer indivíduo.
Classicamente um STI inclui os três componentes seguintes: o conhecimento do
domínio, o modelo do estudante e o conhecimento pedagógico (McArthur et al., 1993;
Self, 1988).
O módulo de conhecimento do domínio ou módulo especialista se refere ao
conhecimento sobre a matéria ou assunto. Ele contém o conhecimento correto, na forma
do conhecimento do especialista, que é para ser transferido e aprendido. Ele é uma base
de conhecimento, mais comumente uma base de regras de produção, que pode rodar
como uma simulação dos processos de resolução de problemas do especialista para
raciocinar sobre determinados problemas.
O modelo do estudante se refere ao conhecimento incorreto e incompleto que um
estudante tem. Ele constrói um quadro do estudante em termos do que este sabe ou não
sabe. Ele deve inferir o que o estudante já sabe sobre a matéria e o quão bem ele está
progredindo. Esta informação é usada para decidir o que apresentar para o estudante nas
próximas interações com o sistema.
O módulo do conhecimento pedagógico se refere ao conhecimento sobre o ensino. O
elemento pedagógico é a base da instrução, e determina que instrução será dada e em
que ponto. Isto é, este módulo pega a informação do modelo do estudante e decide o que
fazer em seguida. Ele pode decidir apresentar material novo ou revisar o material
previamente ensinado.
Tipicamente um STI incorpora a especialidade em pelo menos uma dessas três áreas,
mais comumente no domínio. Além disso, num STI a transferência da aprendizagem
acontece como um processo de comunicação de duas vias, tornado possível pela
interface gráfica com o usuário (graphical user interface, GUI).
O paradigma dos STI dominou a área de IA-ED por um tempo bastante longo, durante o
qual o papel de IA parecia ser mais claro. Desde os anos oitenta, novos paradigmas
instrucionais emergiram, refletindo várias mudanças de ênfase na educação, bem como
um enfoque maior na meta-cognição, no uso de domínios abertos e tarefas, no interesse
renovado pela aprendizagem colaborativa, como também nas novas tecnologias, que
crescentemente estão sendo aplicadas à educação. Por conseguinte, o papel de IA é hoje
menos claro que costumava ser. A fragmentação do campo e o inter-relacionamento
complexo entre a IA, a educação e as novas tecnologias determinam novos
desenvolvimentos e talvez um papel variável de IA nos sistemas IA-ED. A coisa mais
significativa a ser reconhecida até então é que o papel de IA está definitivamente
mudando de uma tecnologia exclusiva para tecnologias Complementares, o que pode
indicar um direcionamento desta área de pesquisa para os sistemas híbridos (Sandberg,
1999).
2.6 Conclusão
As questões levantadas neste capítulo constituem a problematização para esta tese. Elas
caracterizam o sistema desenvolvido como um sistema de apoio à aprendizagem
colaborativa. Um curso de ensino a distância que usa as novas tecnologias, isto é, as
comunicações mediadas por computador como mídia, é o cenário de aprendizagem no
qual este trabalho é aplicável. Isto levanta questões relativas à aprendizagem
colaborativa apoiada por computador, na medida em que as novas tecnologias
proporcionam mais oportunidades de interação entre o professor e os estudantes, e
particularmente introduz a possibilidade de interações entre os estudantes, o que era
bastante incomum, para não dizer não existente, nos sistemas de ensino a distância
anteriores. Objetivando a melhoria dos ganhos de aprendizagem, as técnicas de IA
contribuem para apoiar tais interações.
No próximo capítulo é apresentado o contexto de pesquisa para esta tese. O método
educacional de aprender através de estudos de caso, como é aplicado na sala de aula
tradicional, é apresentado em detalhes. O capítulo termina com um relato sobre algumas
tentativas e possíveis alternativas de implementação deste método educacional na Web
que aconteceram até o presente.
3 O Método de Ensino Baseado em Estudos
de Casos
O presente capítulo dá uma idéia do que é aprender através de estudos de caso. Primeiro,
a definição do que é um estudo de caso assim como os aspectos teóricos do método de
ensinar com casos são apresentados. Estes aspectos estão relacionados com questões que
muitas vezes estão implícitas na aplicação do método. Elas constituem a sua base e
como tal necessitam ser entendidas e apropriadamente manipuladas num cenário de
aprendizado diferente (isto é, no ensino a distância). A seguir, os objetivos do método de
casos são colocados e a operacionalização do mesmo na sala de aula tradicional é
detalhada, dado que ambos diferem de muitas maneiras do ensino tradicional. É
importante notar que existem algumas variações na aplicação do método de casos e este
trabalho é baseado no modelo da escola de administração. Em seguida comenta-se sobre
os problemas de aprendizagem com o método, reportados por professores e estudantes
que trabalham com o método de casos na sala de aula tradicional. O design do sistema
objetiva atacar tais problemas. Finalmente apresenta-se as experiências relativas ao
aprendizado com casos baseado na World Wide Web realizadas até o presente. Como
colocado a seguir estas tentativas de aplicar o método à World Wide Web, se limitam a
utilizar a mesma como uma mídia para distribuir o conteúdo do estudo de caso e uma
lista de discussão e/ou e-mail para fazer a discussão sobre este.
3.1 O Que é um Estudo de Caso?
Um caso pode assumir diversas formas, tais como uma estória, um evento ou um texto e
é definido por L. S. Shulman (1992) como uma "instância de uma classe teórica maior",
como "um exemplo de uma categoria mais ampla". O estudo de caso é um membro de
uma classe de eventos e como tal representa certas características dessa classe. Numa
tentativa de estabelecer uma terminologia comum para ser utilizada na área, o autor
sugere uma classificação dos casos em três tipos distintos, de acordo com o seu uso:
materiais de casos, relatos de casos e estudos de casos. Em resumo, ele diz que
materiais de casos são a matéria prima, os dados a partir dos quais os casos são
elaborados; os relatos de casos são narrativas na primeira pessoa e os estudos de casos
são narrativas na terceira pessoa. O autor lembra que os casos de ensino podem ser
classificados tanto como relatos de casos quanto como estudos de casos, desde que eles
tenham sido escritos com o propósito de ensino. Os casos a que este trabalho se refere
são os casos de ensino na classificação de L. S. Shulman (1992), e serão chamados aqui
simplesmente como estudos de caso.
Os estudos de casos podem ser utilizados para ensino numa variedade de disciplinas tais
como direito, psicologia, psiquiatria, arquitetura, educação, engenharia, administração,
gerenciamento, etc. A característica comum entre essas disciplinas é que os estudos de
casos são utilizados como método de ensino onde as habilidades de resolver problemas
complexos e mal estruturados são requeridas. Usualmente não existe nenhuma técnica
ou abordagem analítica para resolver este tipo de problemas. Os casos são então
adequados para problemas abertos, que não possuem solução correta ou precisa. De fato,
o mesmo caso pode derivar duas conclusões bastante diferentes, ambas sendo válidas.
Qual resposta é a melhor freqüentemente depende dos pesos relativos atribuídos aos
vários critérios utilizados para julgar a solução do caso (Easton, 1982; Merseth, 1992;
Carter, 1992; Meyer & Jones, 1993; Harrington, 1995; Richards et al., 1995).
Easton (1982) define um caso, do ponto de vista da escola de administração, como uma
descrição escrita de uma situação real que uma organização enfrenta. Tabelas,
diagramas, apêndices, etc, podem acompanhar essa descrição, que pode ser bastante
variada no comprimento. Além disso o autor ressalta que filmes, vídeos, fitas de áudio,
slides, e multimídia também podem ser usados, apesar de que na maioria das vezes a
informação escrita é mais fácil de analisar.
Um caso na engenharia é definido como um relato escrito de uma atividade de
engenharia como ela aconteceu na realidade. Este relato é derivado da experiência real e
reflete as preocupações de engenheiros e gerentes com o "mundo real". Geralmente, este
relato apresenta problemas abertos de engenharia sobre design, análise, seleção,
planejamento e/ou situações de decisões administrativas. Somando-se à narrativa, o caso
típico pode oferecer detalhes tais como cálculos originais e desenhos; orçamento e
limitações de seqüenciamento; disponibilidade de recursos materiais e facilidades
técnicas; detalhes sobre os elementos humanos envolvidos, assim como as interações
entre eles e com a organização. Além disso o caso pode ter diversas partes, cada uma
delas terminando em algum ponto crítico de decisão (Kardos, 1979; Richards et al.,
1995).
3.2 Fundamentos Teóricos do Método de Casos
O método de ensinar através estudo de casos está relacionado à alguns aspectos de
teorias educacionais que representam variadas correntes do campo da educação e da
pedagogia. Tais aspectos são vistos como as bases teóricas do método e são, via de
regra, mencionados em geralmente todos os trabalhos que abordam o método. No
presente capítulo apresentamos estes aspectos. São eles, entre outros: cognição situada,
aprendizagem em domínios mal estruturados, reflexão-em-ação, conhecimento
narrativo, o papel do grupo e das interações sociais na construção do conhecimento,
construtivismo, Zona de Desenvolvimento Proximal, aprendizagem colaborativa,
auto-regulação, e aprendizado ativo (Christensen & Hansen, 1987; Kleinfield, 1992;
Meyers & Jones, 1992; L. S. Shulman, 1992; Harrington, 1995, Levin, 1995).
3.2.1 Cognição Situada
L. S. Shulman (1992) é um dos autores que enfatizou a natureza situada dos casos. De
acordo com ele, os casos são contextualizados: em aplicação, lugar, tempo, etc. Essa
característica se incorpora à área de pesquisa sobre aprendizagem situada, onde a
contextualização é o foco central. O papel da narrativa (evidente nos casos) no
entendimento humano é considerado um fator chave na "situalização" do processo de
aprendizado. Nesse sentido, a especificidade e contexto dos casos não são uma
desvantagem, mas sim uma vantagem se comparados às listas de proposições
descontextualizadas e abstratas, à exposição de fatos, aos conceitos e princípios,
elementos estes característicos dos métodos de aprendizagem tradicionais. Tais métodos
podem ser mais eficientes ou mais econômicos na representação do conhecimento, mas
por outro lado os estudantes acham mais fácil de se lembrar e de usar as idéias que estão
presentes numa forma narrativa. Além disso, os casos podem reduzir os problemas de
transferência do conhecimento, na medida em que este é adquirido num contexto e
circunstâncias similares à da sua aplicação.
3.2.2 Aprendizagem em Domínios Mal Estruturados
Outra questão que L. S. Shulman (1992) discute - também fazendo um contraste com os
métodos de aprendizado tradicionais que geralmente lidam com domínios bem-
estruturados - é a aprendizagem em domínios mal estruturados. Considera-se que os
casos ajudam os estudantes a enfrentar julgamentos complexos demandados por
situações que envolvem domínios mal estruturados de conhecimento e desempenho, e
onde a flexibilidade cognitiva é necessária. Dada a natureza situada da cognição
requerida no aprendizado em domínios mal estruturados, acredita-se que o conhecimento
é mais bem organizado em redes flexíveis de conceitos e casos - já que "o significado de
um conceito está intimamente ligado ao seu padrão de uso" (Spiro et al., 1988
1
citado
por L. S. Shulman, 1992) - do que hierarquicamente e relativamente fixo como no
aprendizado em domínios bem estruturados. O propósito dessa rede é evitar
representações únicas que impedem a capacidade de lidar com domínios imprevisíveis e
fluidos.
3.2.3 Reflexão-em-Ação
Nessa mesma linha de raciocínio, Kleinfiled (1992) acredita que um caso representa o
que Schõn (1983) denomina reflexão-em-ação. Schõn (1987) considera que a vida diária
de trabalho de um profissional revela um padrão de "saber-em-ação" no seu
reconhecimento, julgamento e habilidades. Isto é, Schõn (1987) considera que o nosso
saber está implícito nos nossos padrões de ação. Entretanto, algumas vezes esse saber-
1
Spiro, R. J., Coulson, R. L., Feltovich, P. J., & Anderson, D. K. (1988). Cognitive flexibiliry theory:
advanced knowledge acquisition in ill-strucrured domains. In Proceedings of the 10th annual Conference of
the Cognitive science society (pp. 375-383). Hillsdale, NJ: Erlbaum.
em-ação não funciona, provocando uma reação ao inesperado por um tipo de
averiguação instantânea que ele chama "reflexão-em-ação". Em tais situações o sujeito
repensa sobre o saber-em-ação implícito em suas ações que tiveram o resultado
inesperado. Ele reflete sobre a ação, no sentido que é ainda possível mudar os resultados
daquela ação. Kleinfield (1992) frisa que esta é precisamente a característica distintiva
do pensamento profissional em muitas áreas, onde os problemas enfrentados são tanto
mal estruturados como não tem uma solução técnica precisa disponível. E isso é o que
um estudo caso apresenta para os estudantes.
3.2.4 Conhecimento Narrativo
Merseth (1992) coloca que o conhecimento num caso não é abstrato nem científico, mas
presente numa situação em particular. A autora associa essa característica com o
conhecimento narrativo, em contraste com o conhecimento paradigmático, de acordo
com as duas formas de conhecimento que Bruner (1986
2
, citado por Merseth, 1992)
propõe. Bruner (1986, 1990
3
, citado por L. S. Shulman 1992) diz que o conhecimento
paradigmático é geralmente associado com o conhecimento científico, sendo analítico,
geral, abstrato, impessoal e descontextualizado. Por outro lado, o conhecimento narrativo
é específico, local, pessoal e contextualizado. Por fim, Merseth (1992) lembra que os
casos são adequados para a natureza complexa, dependente do contexto e
constantemente evolutiva de assuntos onde o conhecimento não é nem fixo nem bem
estabelecido.
" Bruner, J. S. (1986). Actual minds, possible worlds. Cambridge, MA: Harvard University Press.
Bruner, J. S. (1990). Acts of meaning. Cambridge, MA: Harvard University Press.
Merseth (1992) diferencia os casos entre os de tomada de decisão e os teoricamente especificados, cs
quais podem ser usados para instanciar conhecimento teórico. O tipo de casos a que nos referimos aqui
não são esses últimos.
3.2.5 O Papel do Grupo e das Interações Sociais no Aprendizado
Levin (1995) acrescenta às perspectivas teóricas anteriores, que são em sua maioria
baseadas na psicologia cognitiva, o papel do grupo e das interações sociais na
construção do conhecimento, mencionado nos trabalhos de Piaget e Vygotsky (Piaget,
1932
5
e Vygostky, 1978
6
citados por Levin, 1995). De acordo com a autora, a interação
social que acontece durante a discussão do caso tem o potencial de originar conflito
cognitivo, que por sua vez pode disparar mudanças. Isso está relacionado à idéia de
Piaget de que a interação entre os pares funciona como um gatilho para a mudança, na
medida em que esta geralmente gera conflito cognitivo. Tais conflitos são resolvidos por
uma criança através da construção de um novo esquema, a saber, uma nova estrutura que
se liga ao sistema existente. Acredita-se que conflitos semelhantes ocorram em adultos,
quando aprendendo individualmente ou em grupos.
Em relação a Vygostky (1978), Levin (1995) menciona que este autor coloca que a
interação entre os pares não apenas inicia a mudança, mas muda a natureza da mudança
também. A visão de Vygostky sobre a internalização dos processos cognitivos implícitos
nas interações e comunicações com os pares, assim como as relações sociais entre as
pessoas que são subjacentes à todas as funções mentais superiores, formam uma base
teórica para argumentar que as interações sociais e o conteúdo da discussão de grupo são
cruciais para o que é aprendido dos casos. A autora defende que até mesmo a Zona de
Desenvolvimento Proximal pode ser associada com a discussão do caso no sentido que
os estudantes mais experientes podem influenciar os com menos experiência durante
esta.
3.2.6 Aprendizagem Colaborativa
Apesar da aprendizagem colaborativa no ensino baseado em casos parecer evidente,
na medida em que o método requer que os estudantes colaborem no processo de solução
" Piaget, J. (1932). The moral judgement of the child. (M. Gabain, Trans.). New York: Harcourt, Brace and
World.
Vygotsky, L. (1978). Mind in society: The development of higher Psychological processes. Cambridge:
Harvard University Press.
do estudo de caso, as referências diretas à atividade de grupo colaborativa na literatura
sobre estudos de caso não são significativas. As considerações sobre colaboração são
muito mais evidentes em trabalhos mais recentes, onde o método de ensinar através de
estudos de casos é geralmente associado com uma aplicação às novas tecnologias (Kent
et al., 1995; Linderman et al., 1995; Richards et al., 1995; Kinzie et al., 1997).
3.2.7 Construtivismo e Zona de Desenvolvimento Proximal
A relação entre a aprendizagem colaborativa e o método de ensinar através de estudos de
caso é confirmada pelas referências feitas acima a respeito dos trabalhos de Piaget e
Vygotsky, assim como as citações de L. S. Shulman (1992) (colocando a cognição
situada como um dos elementos em razão dos quais o método de casos funciona) dos
trabalhos de Lave e Resnick (Lave, 1988 e Resnick, 1987 citados por L. S. Shulman,
1992). Sob essa ótica, é possível identificar os mesmos elementos do papel do grupo e
das interações sociais na construção do conhecimento, tanto na aprendizagem através de
estudos de caso quanto na aprendizagem colaborativa. Por exemplo, alguns dos aspectos
teóricos do método de casos estão diretamente relacionados com os fundamentos das
abordagens que representam os posicionamentos teóricos ao longo dos eixos
categorizados em Dillenbourg et al. (1996). Os eixos representam como os sistemas
cognitivos, com relação ao indivíduo e ao grupo, se fundem em diferentes níveis, para
produzir um entendimento compartilhado de um problema (ou de um estudo de caso).
Tais posições teóricas são as abordagens sócio-construtivistas, as abordagens sócio-
culturais e a abordagem de cognição compartilhada.
3.2.8 Auto-Regulação
Ertmer et al. (1996) abordam o papel da auto-regulação reflexiva na aprendizagem
através de estudos de caso. A auto-regulação é definida como a habilidade de ativar,
alterar e sustentar as práticas de aprendizado apropriadas, de forma a alcançar um
sucesso acadêmico tanto em contextos familiares quanto em contextos novos de
aprendizado (Zimmermann, 1990
7
, citado por Ertmer et al., 1996). Ertmer et al. (1996)
começam criticando o senso comum presente na literatura a respeito do método de
ensino baseado em casos, que sugere que os estudos de caso são mais motivantes e
facilitam o aprendizado para um ampla gama de estudantes. Eles argumentam que as
respostas ao ensino baseado em casos depende do nível de auto-regulação do estudantes,
pois este influencia como os mesmos respondem a um dado contexto de aprendizagem.
Considera-se que o aprendizado baseado em casos requer uma grande quantidade de
auto-regulação na medida em que este coloca para os estudantes demandas do tipo se
engajar em análises individuais e em grupo de situações problemáticas, fazer
julgamentos, tomar decisões, projetar possíveis resultados, etc. Por outro lado, os autores
reconhecem que estratégias intrínsecas ao método de casos, como por exemplo, o
aprendizado ativo e o esforço colaborativo, são os mesmos recomendados para a
melhoria das habilidades de auto-regulação.
3.2.9 Aprendizagem Ativa
Meyers e Jones (1993) ressaltam a relação entre o método de casos e a aprendizagem
ativa, na medida em que ambos tem muitas características em comum, como por
exemplo, a interação entre os estudantes e o professor, a colaboração, a reflexão e a
discussão extensiva. Os autores ressaltam que, como uma estratégia de aprendizagem
ativa, o método de casos é adequado para uma grande variedade de disciplinas. Nessa
mesma linha Christensen e Hansen (1987) consideram a necessidade do envolvimento
ativo dos estudantes como uma marca distintiva do método de aprender com estudos de
casos e um dos princípios pedagógicos fundamentais subjacentes ao método, os quais de
certa forma explicam o potencial do método.
Zimmerman, B. J. (1990). Selí-regulated learning and academic achievement: an overview.Educational
Psychologist, 25. 3-17.
3.2.10 Outros
Finalmente, vários autores ainda adicionam outros elementos a essa base teórica. Por
exemplo, Grant (1992) relaciona o método ao ensino do pensamento crítico. Zeichner e
Liston (1987), LaBoskey (1992), Harrington (1995) e Harrington et al. (1996) enfatizam
o valor do método ao ensinar como pensar reflexivamente.
3.3 Objetivos do Método de Casos
De forma a entender como o método de ensino através de estudos de casos opera é
interessante fazer a diferença entre casos e exercícios, já que os exercícios podem se
assemelhar a um caso na medida em que também são uma descrição de uma situação real
ou fictícia, mas cujos objetivos são bastante diversos. O objetivo de aprendizado de um
exercício é aplicar um conceito, técnica ou princípio em particular. O objetivo do método
de casos é ajudar os estudantes a aprender um vasta gama de habilidades.
Consequentemente, um exercício tem uma solução e uma maneira de atingi-la. Um caso,
por outro lado, pode ter muitas soluções e muitos caminhos alternativos de se chegar até
elas. Entretanto, isso não significa que os estudantes não irão aplicar uma determinada
técnica ou dar respostas específicas à perguntas, de forma a resolver um estudo de caso.
E, dessa maneira, os estudantes estão também exercitando a aquisição do conhecimento.
Mas, deve-se ter em mente que este não é o propósito central de utilizar os casos como
um método de aprendizagem (Easton, 1992).
A ênfase do método de casos está então no desenvolvimento do pensamento
independente, na prática de habilidades de tomada de decisão em contraste à aquisição
de conhecimento. O método enfoca a formação de bons decisores, fazendo uso de um
ambiente simulado. Easton (1982) relaciona seis áreas principais que o método de casos
é adequado para desenvolver:
l. Habilidades analíticas: o método de casos desenvolve a capacidade de lidar com
informações, já que os estudos de caso geralmente apresentam dados brutos que
devem ser classificados, organizados, e avaliados de forma a se tornar informação.
2. Habilidades aplicativas: o método de casos proporciona a prática em aplicar
ferramentas como conceitos, técnicas e princípios. Tais ferramentas não dão por si
só uma solução para o caso mas servem de base para a análise do estudante. Além
disso, antes de usá-las os estudantes devem julgar a sua adequação para uma dada
situação.
3. Habilidades criativas: os casos em geral não podem ser resolvidos somente através
de um processo lógico. É importante gerar soluções alternativas para problemas não
cobertos pela análise lógica.
4. Habilidades de comunicação: depende da maneira pela qual o professor escolhe
liderar a sua classe, mas as oportunidades de apresentar os resultados oralmente
cooperando em apresentações de grupo, de defender um ponto de vista, de persuadir
usando argumentos e de escrever relatórios são comuns.
5. Habilidades sociais: as discussões do caso são basicamente processos sociais. O
método de casos proporciona uma oportunidade de aprender mais sobre a interação
do grupo (do que sobre a resolução de problemas algumas vezes).
6. Habilidades de auto-análise: os casos frequentemente provocam discordâncias
ocorridas sobre julgamentos de valor ao invés de julgamentos analíticos. Sendo
assim, a discussão do caso é um fórum apropriado para se analisar os próprios
julgamentos.
3.4 Instrução Baseada em Casos
A escola de administração de Harvard é um exemplo tradicional de um sistema
educacional que tem sido bem sucedido, durante vários anos, no uso do método de
instrução baseada em casos no ensino de administração. O estilo de ensino dessa escola
é orientado para um modo de aprendizado ativo, baseado na discussão, utilizando
estudos de casos geralmente retirados da complexidade da vida real. A sua pedagogia
apoia o objetivo de treinamento para a prática profissional, ligando o conhecimento à sua
aplicação. Em suma, essa escola reivindica que o método de casos possibilita a
descoberta e o desenvolvimento da estrutura do próprio estudante para abordar, entender
e lidar com os problemas de administração (Christensen & Hansen, 1987).
3.4.1 A Discussão do Caso
Uma questão central ao método de ensinar com estudos de casos é a discussão. Ela é tão
importante que Hansen (1987a) se refere ao método de casos como o processo de ensinar
através da condução de discussões, em contraste com as aulas expositivas ou de
laboratório. O caso vai basicamente fornecer a matéria-prima para a discussão. Em
(Hansen, 1987b) o autor reivindica que um caso é trazido completamente à vida apenas
quando está sendo discutido. Grossman (1992) por sua vez considera que o método de
ensino baseado em casos é um subconjunto de ensinar um texto através da discussão.
Kagan (1993) sistematiza, ao longo dos anos, o uso dos casos no ensino de professores
em diversas variações: incidentes críticos, protocolos, vinhetas e simulações. Em cada
uma dessas variações a discussão está sempre presente, ao longo do tempo, e entre os
diferentes autores também. Levin (1995) também aborda a discussão do caso afirmando
que apesar de existirem argumentos para o conteúdo do caso como sendo o seu principal
aspecto, a discussão no método de casos representa o seu valor e a sua contribuição.
Kardos (1979) enfatiza que com a discussão do caso os estudantes vivenciam a atividade
dos casos e se envolvem na resolução de problemas. Eles aprendem a pensar, a detectar
informação útil, a ver mais de um lado de uma situação, a decidir qual é o melhor e,
nessa base, formular e defender um curso de ação.
Nesse sentido, Hansen (1987a) utiliza adjetivos tais como fluida e colaborativa para
descrever como a discussão deve ser. Entretanto, na literatura, parece ser senso comum
que o processo de solução de um estudo de caso tem um tipo de estrutura que geralmente
emerge na medida em que a discussão progride. Kardos (1979) reivindica que tal
estrutura é a seguinte:
(1) revisão do conteúdo do caso;
(2) estabelecimento dos problemas;
(3) coleta da informação relevante;
(4) desenvolvimento de alternativas;
(5) avaliação de alternativas;
(6) seleção de um curso de ação e;
(7) seqüenciamento das ações recomendadas.
Nessa mesma linha, Easton (1982) fornece uma estrutura abrangente para a discussão do
caso, na qual a solução do caso é desenvolvida passo a passo: a abordagem dos Sete
Passos. Cada passo tem os seus próprios objetivos e sugere uma gama de atividades para
serem realizadas pelos estudantes de forma a atingir esses objetivos. Abaixo,
apresentamos a seqüência de passos proposta pelo autor e uma breve descrição do
objetivo de cada um, exemplificando o tipo de atividades associadas com cada um deles.
• Passo 1: Entendimento da situação. Envolve tentar entender a situação sem pré
julgá-la. Isso é obtido através dos processos de organizar e avaliar a informação.
• Passo 2: Diagnóstico de áreas problema. Está relacionado com a identificação de
problemas, análise de sua natureza e estrutura, e identificação do que atacar
primeiro.
• Passo 3: Geração de soluções alternativas. Ela começa com as soluções dos
problemas identificados no passo 2. Estas precisam ser combinadas e organizadas de
forma que a escolha entre as soluções pode ser feita de forma eficiente, numa série
de estágios.
• Passo 4: Previsão de resultados. Requer que os resultados de cada alternativa listada
sejam previstos e que alguma medida da probabilidade de cada uma ocorrer seja
estimada.
• Passo 5: Avaliação de alternativas. Envolve a avaliação das soluções alternativas e a
escolha entre elas. O processo de avaliação pode variar do simples e implícito ao
complexo e explícito.
• Passo 6: Refinamento da análise. Refere-se a fazer a ponte entre o processo de
análise e a comunicação dos resultados dessa análise. Envolve detalhar e fazer
planos de contingência.
• Passo 7: Comunicação dos resultados. Demanda uma abordagem de base ampla e
planejada para a comunicação dos resultados da análise do caso.
3.4.2 O Papel do Professor
A partir do que foi discutido na seção anterior, pode-se assumir que o papel do professor
está intimamente ligado à discussão do caso. Christensen e Hansen (1987) resumem as
questões importantes na discussão do caso, relacionando-as ao papel do professor. Eles
colocam que (1) a liderança do processo de discussão do caso é uma responsabilidade
crítica do professor, que, ao invés de possuir um conhecimento profundo do campo ou
problema colocado pelo caso, deve liderar o processo pelo qual os estudantes
individualmente e o grupo em geral exploram a complexidade de uma situação
específica apresentada pelo caso; (2) o professor que trabalha com o método de casos
efetivamente maximiza as oportunidades para o aprendizado fazendo perguntas
apropriadas para um determinado estudante no melhor ponto durante a discussão; (3) as
habilidades e técnicas do líder da discussão podem ser observadas, abstraídas e
ensinadas.
Sendo assim, o tipo de processo de aprendizado que ocorre quando o método de casos é
usado difere em essência e em muitos aspectos da prática tradicional. O professor que
trabalha com estudos de casos deve guiar a discussão com o objetivo duplo de encorajar
o processo analítico assim como a participação de tantos estudantes quanto possível. O
fato de que a tarefa do professor é o encorajamento do aprendizado tem uma influência
nas atividades que devem ser desenvolvidas por ele. Sendo assim, a posição do professor
não é mais de uma figura central, que é um repositório do conhecimento ou um
especialista. Ao contrário, ele deve estar preparado para se engajar na discussão como
um parceiro dos estudantes (Christensen & Hansen, 1987; Hansen, 1987a; Hansen,
1987b).
Christensen e Hansen (1987) colocam que o ensino através da discussão requer, junto
com uma mudança notável no papel do professor, uma mudança nas responsabilidades
na sala de aula. Essa mudança vem de uma percepção diferente da relação professor-
aluno, enfatizando o envolvimento do estudante e o auto-aprendizado. Sob essa
perspectiva, ele também difere do ensino tradicional e do modo de aulas, que dá
primazia ao professor, e onde as atividades de sala de aula tanto derivam da
apresentação da matéria pelo mesmo como devem seguir o seu planejamento. De forma
diferente, o professor que trabalha com casos deve se sentir confortável quando
confrontado com a ambigüidade de uma discussão difícil de planejar, de fluxo livre,
dirigida pelas idéias dos estudantes e que pode muito bem seguir caminhos não usuais e
até chegar a pontos inesperados. Os autores da área reconhecem que existem pontos de
decisão do professor que ocorrem repetidamente em qualquer situação de decisão. Entre
outros, eles citam como exemplos:
• Como o professor seleciona um aluno para começar a aula?
• Como o professor seleciona um aluno para responder a uma questão quando muitos
outros estão com as mãos levantadas pedindo reconhecimento? Que tipo de
questões podem ser mais apropriadas e em que pontos especificos da aula?
• Como um professor decide se responde ou não pessoalmente a um comentário de
um aluno, se ele o ignora, ou se pede a um outro aluno para comentá-lo?
• Quando se coloca um comentário no quadro?
• Como o professor obtém altos níveis de envolvimento do aluno na discussão do
caso? Como ele lida com a apatia? Como ele trabalha com alunos nervosos?
• O que o professor deve "saber" sobre um aluno? Como tal informação pode ser
obtida?
Correspondentemente, Easton (1982) afirma que o professor "controlará o processo de
discussão mas não o seu conteúdo". Na medida em que o professor é um guia e não um
especialista, o papel dele está intimamente relacionado com promover e monitorar a
discussão do caso. Os vários recursos disponíveis para o professor que trabalha com
casos, a saber as ferramentas do professor, fornecerão os meios para desempenhar essas
funções.
3.4.3 Ferramentas do Professor
No método de casos uma preocupação importante é como o professor direciona a
discussão do caso. Ele pode fazer perguntas, reformular e resumir o que foi dito, dar a
sua própria opinião e contribuir com a sua especialidade (Kardos, 1979). As questões
utilizadas para promover e guiar a discussão não são as mesmas utilizadas numa
situação de ensino comum. Questões bem preparadas pelo professor com o objetivo de
chegar ao centro do problema colocado pelo caso servem para focalizar o pensamento,
para enquadrar a discussão, e para reforçar o propósito do método de casos.
A reformulação é o meio pelo qual o professor chama atenção para algum ponto,
esclarece e faz uso da discussão que foi feita. O objetivo é coletar as várias contribuições
conjuntamente e esclarecê-las através da expressão, em uma forma diferente, das idéias
colocadas, de maneira que a discussão possa proceder a partir de um entendimento
comum. O professor pode também diminuir o ritmo da discussão e esclarecê-la,
ocasionalmente expressando em suas próprias palavras o que foi dito ou resumindo a
discussão até aquele ponto. Alternativamente, pode-se pedir a um estudante para fazer
isso - expressar de forma diferente ou resumir as idéias até então colocadas. Isso dá uma
chance para que o estudante que se posiciona menos durante a discussão do caso
participe da mesma.
Em alguns casos o professor pode contribuir com a sua especialidade, acrescentando à
discussão e ajudando a atingir os objetivos de aprendizado, através da colocação das
suas próprias opiniões e conclusões. Nos casos onde informação técnica especial é
requerida, o professor pode suplementar a discussão com "mini-aulas" curtas, com o
objetivo de suplementar os estudantes com a informação técnica que eles provavelmente
não tem ou que não está prontamente acessível para eles. Assim como com as opiniões
do professor, as aulas devem ser utilizadas comedidamente e apenas depois da turma ter
lidado com o problema e expressado a necessidade do material. As mini-aulas não
devem ser usadas para refrescar a memória dos estudantes quanto à matéria coberta em
alguma outra parte do currículo e com a qual eles deveriam estar familiarizados.
3.5 Problemas de Aprendizagem com o Método de
Casos
A grande diferença que existe entre o método de casos e o ensino tradicional dá origem a
alguns problemas, relatados pelos estudantes quando confrontados com o método de
aprender através de estudos de caso. Tais problemas são descritos como um sentimento
de desorientação, falta de motivação, relutância em se engajar em tarefas de
aprendizagem não familiares e ambíguas, etc. Eles estão relacionados à hipótese,
geralmente feita por quem está ensinando com o método de casos de que os estudantes
estarão motivados e encorajados quando confrontados e solicitados a resolver problemas
que retratam uma situação real (Ertmet et al., 1996).
Harrington (1995) relaciona os problemas no aprendizado através de estudos de casos
com as dificuldades que os estudantes encontram em lidar com a natureza mal
estruturada dos casos. A autora menciona como problemas comuns com o método a
inabilidade de estruturar os problemas do caso ou de construir uma explicação de porque
os estudantes identificaram um caso de uma certa maneira. Por exemplo, a solução
recomendada pelos estudantes para um dado caso não esclarece como eles estruturaram
e resolveram o mesmo. Podem não existir conexões aparentes feitas entre as questões,
fatos, perspectivas e a solução em si.
Easton (1982) classifica tais problemas em três grupos de acordo com as questões
colocadas pelos estudantes quando estes descrevem o que sentem quando têm problemas
em trabalhar com o método: "O que nós devemos fazer?", "O que nós estamos
aprendendo?", e "Porque o professor não ensina?".
A primeira destas questões surge porque não é dito aos estudantes qual é o problema e é
parte da tarefa deles encontrar o seu objetivo. Eles não podem checar se estão certos ou
errados, já que não existe apenas uma única solução para o caso. Eles devem encontrar o
que é ou não relevante e se existe alguma coisa faltando na informação que lhes é
fornecida por si mesmos. A segunda questão, a respeito do que eles estão aprendendo,
aparece porque é mais difícil determinar, quando comparado com uma aula por exemplo,
o que se está aprendendo. Isso é ainda pior porque a ênfase na prática de habilidades é
ainda mais difícil de se detectar. O último problema mencionado - porque o professor
não ensina - tem origem na mudança no papel do professor em relação à situação
tradicional. Ele não mais corrige os estudantes, ele não diz o que os estudantes devem
fazer e estes devem fazer os seus próprios julgamentos.
3.6 O Método de Casos aplicado a World Wide Web
Até o presente existiram algumas tentativas de fazer uso do método de ensino baseado
em estudos de casos num ambiente de aprendizado baseado na tecnologia de
computadores em rede. Essa tendência está em consonância com a atual popularidade da
Internet como uma mídia para transmitir educação, em todos os níveis e assuntos. Com
relação ao método de casos essa tendência é muito mais restrita, talvez até modesta, se
comparada coma extensiva utilização do método em algumas áreas.
Dentre essas experiências, a competição virtual de casos entre times {Virtual Team Case
Competition), usada na educação de professores, combinou ferramentas da Internet e o
método de ensinar com casos para promover o uso da tecnologia e a resolução de
problemas entre professores (Kent et al., 1995). Essa experiência utilizou uma lista de
dicussão para mandar para os participantes as instruções, o calendário dos eventos, o
caso, e os resultados da competição. As comunicações intermediárias - referentes á
análise do caso e ao feedback dos juizes - foram feitas via e-mail.
Rich (1995) relata um exercício com um estudo de caso baseado na Internet e na Web
utilizada num ambiente universitário, a saber num curso de mestrado em administração
(MBA), onde o ensino eletrônico é usado em conjunto com o ensino tradicional, e não
como um substituto para ele. O estudo de caso, assim como os objetivos de
aprendizagem, foram disponibilizados para os estudantes através de uma página Web.
As questões relacionadas ao caso foram colocadas gradualmente na página. Além disso,
um exercício de desempenho de papéis (role-playing) foi feito pelos alunos usando e-
mail. Quanto às questões relativas ao trabalho de grupo transferiu-se a responsabilidade
de uma questão para cada estudante, o que significou que se afastou da idéia de trabalho
de grupo e a opção pelo trabalho colaborativa foi deixada aberta aos estudantes.
Ainda na área de administração, Oram (1996) examina a prática do aprendizado através
de estudos de caso em cursos de pós-graduação como o MBA no Reino Unido. O autor
identifica um espaço para o suporte computacional tanto para o conteúdo do caso quanto
para o que ele classifica como todos os estágios do processo de aprendizagem.
Entretanto, ele observa que esse suporte na prática acontece apenas para o conteúdo e
para os aspectos não colaborativos de apenas uma etapa desse processo. Baseado nisso
ele propõe a abordagem de questões tais como os eventuais benefícios do suporte
computacional aos aspectos colaborativos da aprendizagem com estudos de caso.
Outra combinação de recursos a respeito de como dar suporte on-line ao método de casos
foi usado por Linderman et al. (1995). Os autores descrevem um ambiente virtual on-line
baseado na World Wide Web (Web) e num MOO (MUD Orientado a Objetos, onde
MUD significa Multi-User Dimensiori) para a apresentação, discussão e
desenvolvimento das respostas a um estudo de caso sobre design instrucional. Eles
colocam que o ambiente baseado na Web/MOO tem as vantagens de simular a natureza
colaborativa das interações reais assim como colocar juntos os indivíduos que estão
geograficamente dispersos. Por outro lado, os autores enfatizam que o ambiente MOO
permite interações em tempo real e são mais adequados ao desempenho de papéis (role-
playing). Em Kinzie et al. (1996) alguns aspectos adicionais dessa experiência são
descritos assim como os efeitos do ambiente MOO nas discussões de grupo. Além disso,
os padrões de funcionalidade e liderança dos times são discutidos.
Nessa mesma linha de pesquisa Kinzie et al. (1997) também abordam o método de
casos, usando-o para promover uma competição de casos baseada na Web entre times
envolvendo seis universidades, também na área de design instrucional. Na experiência
relatada eles adicionaram o fator da competição entre os times além do fator de
motivação já existente, que é a colaboração entre os membros do time. Os autores
reportam que deixaram de lado pelo momento o ambiente MOO, já que este permitia
várias correntes de conversação ocorrerem simultaneamente em tempo real, o que foi
considerado frustrante por alguns estudantes e fascinante para outros.
3.7 Conclusão
A instrução baseada em casos constitui uma interessante ferramenta a mais para o ensino
tradicional em muitas áreas. Especialmente onde os estudantes estão a ponto de se
tornarem profissionais, os professores de diversos campos podem fazer uso de estudos
de casos de forma a "simular" uma situação mais próxima daquela que os estudantes
encontrarão na sua vida de trabalho.
Ao longo dos últimos anos existiram algumas tentativas de implementar um suporte
computacional ao método de ensino baseado em estudos de casos. Estas representam a
preocupação dos professores que trabalham com o método na sala de aula tradicional em
aplicá-lo usando as novas tecnologias de comunicação e informação. A despeito disso,
tais tentativas provaram ser bastante limitadas e restritas, não abordando na nossa
opinião o método, nem conceitualmente, nem praticamente de uma maneira eficiente.
No capítulo seguinte, descreve-se a nossa proposta de suporte à atividade de grupo no
ensino baseado em estudos de caso a distância. Essa proposta, além de implementar o
método de casos num ambiente computacional, torna possível que num cenário de
ensino a distância professores e alunos possam também se beneficiar da aplicação desse
método.
4 Suporte à Atividade de Grupo no Ensino
Baseado em Estudos de Casos a Distância
O suporte à atividade de grupo no ensino baseado em estudos de caso a distância
envolve habilitar a colaboração entre dois ou mais estudantes a distância numa atividade
de estudo de caso. No presente capítulo o design do sistema desenvolvido, cujo objetivo
é precisamente dar esse tipo de suporte, é descrito. A concepção do sistema é baseada na
utilização da abordagem dos Sete Passos num ambiente baseado em computador. Sendo
assim, neste capítulo detalha-se a metodologia que foi apresentada no capítulo anterior
de um ponto de vista computacional, mostrando-se como esta pode ser aplicada. Além
disso, os aspectos levados em consideração no design do sistema são descritos. É
importante notar que esses aspectos são derivados tanto dos aspectos teóricos do método
de casos quanto das decisões de design feitas durante o desenvolvimento do sistema. A
seguir, para esclarecer como o ensino baseado em casos opera num cenário de ensino a
distância de acordo com esse design, detalha-se como o processo de resolver um estudo
de caso de acordo com o sistema desenvolvido acontece. Por fim, apresentam-se os
requisitos do sistema, os quais resultam das necessidades de se implementar
computacionalmente o modelo proposto de aprendizado baseado em casos.
4.1 Abordagem Computacional para os Sete Passos
No Capítulo 3, Seção 3.4.1 foi apresentada a abordagem dos Sete Passos (Easton, 1992)
como uma metodologia para o desenvolvimento da solução de um estudo de caso. Foi
enfatizado que ela estrutura o processo de discussão do caso, que a princípio parece ter
um fluxo livre e ser desestruturado.
No entanto, por outro lado, é importante notar também a relevância que a abordagem
dos Sete Passos também tem do ponto de vista computacional. O valor desta para um
sistema baseado em computador é que a solução do estudo de caso é desenvolvida
através de um processo seqüencialmente estruturado, separando a solução em partes que
possuem uma granularidade de informação computacionalmente adequada. Dessa
maneira, os resultados de cada passo da abordagem podem ser representados pelo
sistema de forma que ele pode interagir com os alunos, dando suporte e feedback a estes
em tempo real durante o processo de desenvolvimento da solução do caso.
De forma a atingir os objetivos de cada um dos passos é necessário que os estudantes
realizem as atividades que são sugeridas. E, para solicitar dos estudantes a realização
dessas atividades, ou seja, os resultados de cada passo (tal que o sistema possa
representá-los e raciocinar a respeito deles), o design do sistema faz uso de uma das
ferramentas do professor, a saber, colocar questões para os alunos.
Na literatura se encontra um conjunto de exemplos de questões utilizadas por
professores que usam o método de casos na sala de aula tradicional, e que estão
organizadas segundo uma classificação de acordo com o objetivo do professor. Essas
questões estão categorizadas como: questões para gerar discussão, questões de
investigação e de desafio, questões analíticas e de avaliação, questões de resumo, etc. A
partir desse conjunto de questões foram selecionadas e associadas a cada passo aquelas
que, uma vez respondidas, cumprem o objetivo de cada passo, demandando dos
estudantes a respectiva atividade a ser desenvolvida.
Abaixo, apresentamos a abordagem dos Sete Passos em mais detalhes, mostrando as
atividades que devem ser desenvolvidas de forma a atingir os objetivos dos passos. Em
seguida, apresentamos as questões usadas por professores que trabalham com o método
de casos no ensino presencial, de acordo com vários autores. Por último, mostra-se quais
destas questões foram associadas aos Sete Passos e quais são os resultados esperados ao
responder-se tais questões.
4.1.1 Os Sete Passos, Objetivos e Atividades
Ao explicar a aplicação da abordagem dos Sete Passos, Easton (1992) argumenta que o
professor que usa esta abordagem deve desenvolver a sua própria, a partir do que o autor
sugere como um guia para a aplicação desta na sala de aula tradicional. Neste guia o
autor descreve cada um dos passos em detalhe, relacionando os diferentes tipos de
atividades que podem ser desenvolvidas para atingir o objetivo de cada passo. Para
justificar a escolha de uma atividade em particular para cada passo no presente trabalho,
nesta seção apresenta-se um resumo do que o autor coloca como as diversas maneiras de
atingir o objetivo do passo ou, em outras palavras, qual foi a nossa escolha em termos de
um ambiente de aprendizagem baseado em computador.
No Passo 1 o objetivo de organizar a informação do caso tem a intenção de auxiliar o
entendimento da situação descrita. Ou seja, deve-se organizar a informação para se ter
uma visão da situação do caso, sem a princípio procurar por problemas ou soluções.
Existe algumas maneiras através das quais pode-se fazer isso: indexando, reestruturando,
estendendo, resumindo, relacionando e destacando a informação.
Indexar ajuda a compilar um índice para o material do caso. Isso serve para condensar a
informação presente no caso e ao mesmo tempo destacar áreas obscuras e/ou sugerir
áreas inteiras sobre as quais não há informação.
Reestruturar se refere ao fato de que muitas vezes os casos são escritos para tornar
mais fácil a sua leitura, o que freqüentemente significa que o texto é estruturado de uma
maneira que não necessariamente é a mais útil para propósitos analíticos.
Conseqüentemente, pode ser aconselhável reestruturar o caso em categorias sugeridas
pela própria natureza do mesmo.
Estender pode ser visto como um estágio além da reestruturação e significa combinar a
informação de maneira a criar informações novas e como resultado melhorar o
entendimento.
Resumir é quase o oposto de estender e diz respeito a apontar a informação mais
evidente que está presente no caso. Nesse sentido, o autor chama atenção para o fato de
que resumir significa jogar fora alguma informação. De qualquer forma, este processo
será feito continuamente ao longo da análise do caso e qualquer omissão pode ser
corrigida posteriormente nos passos seguintes. O resumo pode ter um enfoque
quantitativo ou qualitativo e ele proporciona insights que não são necessariamente
óbvios quando se está imerso em detalhes.
Relacionar é o processo pelo qual as relações entre as variáveis são descobertas. Esta é
uma das maneiras mais significativas no qual o entendimento de uma situação é
promovido. As relações colocam juntos fatos isolados, resumos ou mesmo grupos de
fatos relacionados, formando uma estrutura coerente e válida. Relacionar também pode
distinguir entre relações quantitativas e qualitativas.
Por fim, destacar significa fazer um exame ao longo do caso e destacar suas partes chave
de informação. É importante observar que o autor sugere que o uso dessa prática não é
sempre útil e aconselha a usá-la em conjunto com uma das outras técnicas relacionadas
acima.
Finalmente, dentre as técnicas relacionadas acima , quando usando o sistema descrito
nesta tese os alunos são requisitados a resumir, com o objetivo de entender e organizar a
informação presente no caso. Eles são requisitados a listar todas as informações as quais
são julgadas importantes no caso. O resultado esperado do Passo 1, então, é uma lista
das informações relevantes apresentadas pelo caso.
O Passo 2 trata tanto da identificação de problemas assim como da análise da sua
natureza e estrutura. Easton (1992) coloca que, antes de identificá-los é necessário
entender o que constitui um problema ou o que é um problema. Uma definição de
problema útil para isso é "uma diferença entre uma situação atual (ou futura esperada) e
alguma situação desejada". A identificação de problemas é precisamente a busca por
essas diferenças. Então, um primeiro estágio do diagnóstico de áreas problema é listar
todos os problemas que podem ser identificados no caso. Uma grande parte dos
problemas relacionados nessa lista podem já estar presentes na lista anterior (resultado
do Passo 1) e constituir os problemas explícitos. Entretanto, problemas implícitos,
problemas futuros e as pessoas diretamente relacionadas com tais problemas devem
também ser levadas em consideração. Sendo assim, o resultado esperado do Passo 2 é
uma lista estabelecendo quais os problemas que são apresentados no texto do estudo de
caso e que representam aqueles que serão atacados pelos estudantes no desenvolvimento
de sua solução para o caso.
O Passo 3 está relacionado com a geração de soluções alternativas para os problemas
identificados no Passo 2. O desenvolvimento de soluções deve ser atacado de maneira
semelhante àquela usada para a identificação de problemas. Isto é, uma lista de soluções
possíveis será gerada de forma que estas possam ser avaliadas em passos posteriores. A
geração de soluções deve fazer uso do processo criativo, dentro da análise do caso, para
produzir tantas soluções quanto possível. Tomando cuidado para não levar este processo
a limites extremos (na medida em que soluções demais podem tornar a tarefa de julgá-las
mais difícil) é interessante ter em mente que não se deve pré julgar as idéias novas
criadas nesse ponto. Além disso, os problemas e soluções não necessariamente têm uma
relação um para um. Na geração de soluções os estudantes devem estar cientes desse
fato, na medida em que isto pode influenciar a maneira como a soluções são criadas e
definidas. Adicionalmente, as técnicas de criatividade, experiência, conhecimento e
disciplinas acadêmicas são boas fontes para soluções. Sendo assim, o Passo 3 tem como
resultado esperado uma lista de soluções possíveis.
No Passo 4 os resultados das soluções alternativas geradas no passo anterior são
previstos. Estes podem ir muito além do problema que a gerou: a solução pode ajudar ou
impedir a solução de outros problemas, ela pode criar novos problemas ou oportunidades
e ela pode ainda afetar situações que não são vistas nem como problemas nem como
oportunidades. Essas são as razões para a necessidade de gerar resultados a partir de um
curso de ação em particular, isto é, verificar as conseqüências que uma solução implica.
Este também é um processo criativo e consiste em listar os resultados das soluções
antevistas no Passo 3.
A despeito de que Easton (1982) coloca que o Passo 5 envolve avaliar soluções
alternativas e escolher entre elas, no presente sistema deixa-se a escolha entre as
alternativas para ser feita no próximo passo. Então, dadas as soluções alternativas, deve-
se considerar que, cada uma delas, se implementadas, gerariam um conjunto de
resultados como detalhado acima. O valor desses resultados deve de alguma forma ser
totalizado para se ter um valor para cada alternativa. Umas das maneiras mais simples e
diretas que o autor aponta para se atribuir um valor para um resultado é decidir se ele é
bom ou ruim. Isso significa pegar a lista de resultados gerada e decidir como cada um
afeta o problema apresentado pelo caso. Como resultado a expectativa a respeito desse
passo é uma lista de prós e contras dos resultados para as soluções alternativas antevistas
no passo anterior.
No Passo 6 é feita a escolha entre as soluções alternativas para o problema apresentado
pelo caso. Esta escolha geralmente é feita baseada em um ou vários critérios. Um critério
é uma medida para se fazer a decisão ou escolha. Um único critério de escolha bem
definido e facilmente mensurável significa que o processo de escolha é direto.
Nessa situação a alternativa que obtém a melhor avaliação é escolhida. Escolhas com
múltiplos critérios são muitas vezes mais interessantes já que freqüentemente é difícil
ligar os resultados de uma alternativa com o seu efeito num único objetivo em particular.
Em suma, deve ser decidido quais valores serão usados na escolha das alternativas. O
resultado esperado do Passo 6 é então a escolha entre as soluções alternativas geradas no
Passo 3, baseada nos prós e contras dos resultados de cada uma dessas alternativas.
Finalmente, o Passo 7 se refere, uma vez que a escolha foi feita, à maneira pela qual o
resultado da análise, isto é, a solução do caso, é comunicada. A primeira coisa a ser
levada em consideração é o objetivo da comunicação da análise do caso. Responder à
questão do porque da comunicação pode ter implicações que afetam o que será feito e
como se intenciona fazê-lo. Outro fator que tem influência é a audiência e os
apresentadores, na medida em que de alguma forma eles afetam o conteúdo, a estrutura e
o estilo da apresentação. Em seguida, deve-se proceder à preparação e execução da
comunicação dos resultados do caso, o que demanda decidir que tipo de apresentação
será usado. Por último, o efeito de uma comunicação em particular deve ser considerado.
Esses são os quatro fatores que afetam a comunicação dos resultados da análise do caso e
que os estudantes devem ter em mente. Este é também precisamente o resultado esperado
no Passo 7.
A Tabela 1 apresenta um resumo do que foi exposto acima. Ela é um sumário da
seqüência de passos, colocando os objetivos de cada passo e exemplificando as
atividades associadas com cada um deles no design do presente sistema. Isto representa o
nosso ponto de vista a respeito da adaptação da abordagem dos Sete Passos para um
ambiente baseado em computador.
Tabela 1. A abordagem dos Sete Passos (adaptado de Easton, 1992).
Os Sete Passos
Atividades
Passo 1. Entender a situação Resumir
Passo 2. Diagnosticar áreas problema Listar problemas
Passo 3. Gerar soluções alternativas Listar soluções
Passo 4. Prever resultados Lista resultados
Passo 5. Avaliar alternativas Listar prós e contras
Passo 6. Refinar a análise Escolher
Passo 7. Comunicar os resultados Apresentar a solução para o caso
4.1.2 A Ferramenta do Professor: Fazer Perguntas
No Capítulo 3 foi colocado o papel do professor no método de ensinar através de estudos
de caso e as funções que ele pode desempenhar de forma a atingir seus objetivos. Em
resumo, ele pode fazer perguntas, reformular e resumir o que foi dito, dar sua própria
opinião e contribuir com a sua especialidade. Abaixo, nós especificamos as
particularidades de fazer perguntas, que é como o nosso sistema vai promover a
discussão do caso.
Christensen e Hansen (1987) dizem que a habilidade de fazer perguntas, ouvir e
responder é fundamental ao líder da discussão. A tentativa de identificar padrões de
questões e respostas tipicamente conduz a seis ou oito tipos básicos de questões e dúzias
de subconjuntos dessas que estão disponíveis para o professor. Elas podem ser por
exemplo, questões de fato, de interpretação, ou questões hipotéticas. O design de
questões com o objetivo de maximizar as oportunidades de aprendizado do aluno é um
ingrediente essencial à tarefa do professor que utiliza estudos de casos.
Meyer e Jones (1993) apresentam alguns exemplos de questões modeladas em
abordagens usadas pelos professores que trabalham com o método de casos,
classificadas de acordo com o objetivo do professor.
• Questões para gerar discussão:
Qual é o dilema que este caso coloca?
Como você interpreta as ações do Sr. 'X'?
Porque você acha que a corporação 'Y' foi à falência?
Você pode me ajudar a entender o papel que o Sr. 'Z' tem nesse caso?
• Questões de investigação e de desafio:
Você pode me dizer o que aconteceu como resultado dessa ação?
Como as coisas ficaram mais confusas após aquela reunião? O
presidente realmente acreditou naquela afirmação? O que os
dados e o relatório estatístico sugerem?
• Questões de conexão:
A decisão tomada pelo Sr. 'Y' está relacionada com o que a teoria do nosso livro-
texto diz sobre resolução de problemas?
A experiência de 'X' com 'Z' se encaixa aqui?
No que o problema colocado nesse caso implica para a sua carreira?
• Questões hipotéticas e de previsão:
Qual dos candidatos você acha que o Sr. 'X' deve colocar na lista?
Se a conselheira estivesse no lugar do presidente, como ela lidaria com a situação?
Imagine que um valor primário para essa sociedade era a competição - como isso
mudaria as coisas na vida da cidade?
• Questões analíticas e de avaliação:
Quais das ações que o secretário de estado tomou ao desenvolver a política para o
Sudeste da Ásia que mostrou ser mais importante?
Qual evidência está presente no documento que indica que o Sr. 'X' tinha uma
escolha?
Você consegue classificar o design baseado em o quão bom esteticamente falando
ele é?
• Questões de resumo:
Quais são os principais pontos desse estudo de caso que nós discutimos até agora?
Você pode resumir as decisões que os engenheiros tomaram no inventário inicial
que eles fizeram?
Quais das teorias de comunicação que nós estudamos foram aplicadas pelo Sr. 'Z'?
Kardos (1979) menciona as seguintes questões e respectivos objetivos:
• Para abrir novas avenidas de discussão: O
que aconteceu aqui?
• Para esclarecer o que foi dito:
Você pode dar maiores explicações sobre isso?
•
Para convidar à colaboração:
Você gostaria de contribuir?
Questões técnicas para diferenciar fato de opinião, para distinguir o que é do que
pode ser, para identificar preconceitos ou generalidades:
Isso é sempre verdade? Isso se
aplica nesse caso? Você pode
ser mais específico?
Para promover a discussão:
Você concorda com essa declaração? É
isso que você faria?
Direcionadas para as hipóteses e leis físicas sobre as quais o caso é fundamentado:
Podemos modelar isso?
Para desvendar relações e interconexões entre pontos trazidos por alunos diferentes
ou casos diferentes:
Como estes se relacionam uns com os outros?
Isto está consistente com o que dissemos da última vez?
• Quando a discussão foi além da capacidade do estudante de lidar com o caso e
trazer questões mais diretivas:
O que você faria agora? Levin (1995) adiciona a
estas algumas outras questões:
• O que está acontecendo nesse caso?
Resuma os aspectos do caso que você acha importantes para entendê-lo.
• Quais são as questões colocadas nesse caso para você?
Quais são as questões que esse caso levanta para você?
• Porque você acha que é importante levantar as questões ou preocupações sobre as
quais você escreveu na questão número n?
• Como você responderia à questão do professor colocada no final desse caso?
• O que mais você precisa ou quer saber sobre esse caso?
4.1.3 A Implementação dos Sete Passos
Tendo em mente o que foi exposto na seção anterior nós associamos a cada um dos Sete
Passos questões que solicitam dos estudantes uma atividade a ser realizada. O resultado
de tal atividade é o input para o raciocínio do sistema. Ou seja, o sistema desempenhará
algumas das suas funções inteligentes raciocinando sobre o que o grupo de estudantes
responde às questões colocadas.
• Passo 1
Questão: Quais você acha que são as informações relevantes apresentadas pelo
caso?
Atividade: Listar todas as informações que você acha relevante nesse caso.
Resultado esperado: Lista de informações.
• Passo 2
Questão: Quais são os problemas que são levantados para você neste caso?
Atividade: Escrever uma lista dos problemas a serem atacados. Resultado
esperado: Lista de problemas.
• Passo 3
Questão: Você poderia listar as soluções alternativas para os problemas levantados
anteriormente?
Atividade: Listar as soluções alternativas para os problemas levantados.
Resultados esperados: Lista de soluções.
• Passo 4
Questão: Você pode dizer o que pode acontecer como resultado de cada ação que
você listou anteriormente?
Atividade: Listar os resultados de cada solução alternativa.
Resultado esperado: Lista de resultados (para cada solução).
• Passo 5
Questão: Você pode listar os prós e os contras de cada resultado (para as soluções
alternativas) levantado no passo anterior?
Atividade: Listar os prós e os contras de cada resultado.
Resultado esperado: Lista dos prós e os contras (para cada resultado).
• Passo 6
Questão: Qual é a sua escolha entre as soluções alternativas que listadas
anteriormente?
Atividade: Escolher, tomar a decisão entre as soluções listadas.
Resultado esperado: A solução alternativa escolhida.
• Passo 7
Questão: Tendo em mente o que essa comunicação tem como objetivo qual é a sua
resposta à questão colocada pelo caso?
Atividade: Comunicar a solução, os resultados da análise do caso.
Resultado esperado: A solução do caso.
4.2 Aspectos Básicos do Design do Sistema
Os aspectos básicos do design consistem nas questões teóricas que têm implicações
computacionais para o sistema. Tais aspectos têm relação com os fundamentos do
método de casos colocados no Capítulo 2, e no que foi descrito nesse capítulo nas seções
anteriores. Tais questões modelam, em última análise, as interações entre os estudantes e
o sistema.
4.2.1 Desenvolvimento de Habilidades x Aquisição de Conhecimento
Um sistema de apoio ao método de ensino baseado em estudos de caso não tem a
intenção de "corrigir" a solução do caso. Como foi previamente discutido (ver Seção 3.1)
o método de casos é aplicado para resolver problemas que não tem apenas uma solução
correta ou precisa. A solução que é considerada mais apropriada para um certo caso
depende do critério (e dos pesos atribuídos a esses critérios) utilizados pelo professor
para julgar uma solução em particular. Além disso o sistema objetiva encorajar o
desenvolvimento de habilidades (ver Seção 3.3). Conseqüentemente, as intervenções do
sistema dizem respeito, em sua maioria, ao processo de solução, levando em
consideração a maneira pela qual os estudantes estão conduzindo a sua solução. As
intervenções a respeito do estudo de caso em si, isto é, a respeito do domínio, constituem
uma parte menor no suporte ao processo de desenvolvimento da solução do caso que o
sistema proporciona.
4.2.2 Orientação da Discussão do Caso
No presente sistema a abordagem dos Sete Passos (Easton, 1982) orienta a discussão do
caso. A cada passo, o objetivo do mesmo é colocado e uma pergunta é feita,
demandando que os estudantes realizem a atividade daquele passo. Como mostrado
anteriormente, a cada passo foi associada uma questão. Sendo assim, cada resposta a um
passo representa um ponto crítico e intermediário de decisão que influencia a solução
final. Uma vez que o grupo respondeu à pergunta do passo em questão, eles passam ao
passo seguinte. O que se necessita no passo seguinte é baseado no que foi feito nos
passos anteriores.
4.2.3 Promoção e Monitoramento da Discussão
Promover e monitorar a discussão do caso se refere a determinar em quais oportunidades
e com que intenções uma intervenção é feita pelo sistema durante a discussão do caso.
De maneira semelhante ao que acontece na sala de aula tradicional com o professor que
ensina com estudos de caso, existirão oportunidades nas quais o sistema deve intervir,
dando ao estudante algum tipo de orientação ou assistência. Com o objetivo de
identificar algum padrão que as contribuições ao diálogo referentes à discussão do caso
possam seguir, realizamos um estudo empírico qualitativo (Rosatelli & Self, 1998) com
pares de estudantes trabalhando colaborativamente na solução de um estudo de caso. Os
diálogos resultantes deste experimento foram revisados e neste foram identificados
alguns padrões de expressão, os quais foram classificados como específicos da discussão
ou como especificos do caso. Os primeiros se referiam ao processo de negociação para se
chegar a um acordo. Os últimos estavam relacionados às questões dos passos e ao que foi
incluído nas respostas anteriores, ou mesmo ao conteúdo do estudo de caso (isto é,
relacionado ao domínio). Entre estes dois tipos enfoca-se os padrões de expressão
especificos do caso. Estes podem caracterizar um mal entendido a respeito do processo
de solução do caso, denotando dificuldades em responder à uma questão de um passo em
particular ou então um mal entendido sobre o que está colocado no estudo de caso. Isso
implica no sistema ter um mecanismo para seguir e raciocinar dinamicamente sobre o
caminho de solução seguido pelos estudantes. O conhecimento do sistema sobre um caso
é conseqüentemente mantido num nível tal suficiente para identificar e iniciar
intervenções a respeito dos mal entendidos sobre o que está colocado no caso.
4.2.4 Aprendizagem Individual
A abordagem dos Sete Passos como incorporada pelo sistema, implica tanto em
aprendizagem individual como em aprendizagem colaborativa. A aprendizagem
colaborativa será discutida abaixo. A respeito da aprendizagem individual Grossman
(1992) (baseado no trabalho de Fenstermacher e Soltis (1986), inclui como uma das
sugestões aos professores que trabalham com estudos de casos que eles solicitem que os
alunos leiam os casos e considerem as suas próprias respostas antes da discussão em
aula.
4.2.5 Colaboração
A aprendizagem colaborativa é uma característica implícita no método de aprender com
estudos de caso (Christensen & Hansen, 1987), já que o método requer que os estudantes
colaborem para resolver um estudo de caso. Em outras palavras, a colaboração é
necessária no aprendizado baseado em casos dado que o método geralmente é aplicado a
grupos e demanda dos seus membros uma solução conjunta para o caso. O grupo como
um todo tem que concordar sobre essa solução e o consenso é atingido através de uma
discussão. Então, a aprendizagem colaborativa, definida como "uma atividade
coordenada e síncrona que é o resultado de uma tentativa continuada de construir e
manter uma concepção compartilhada de um problema" (Roschelle & Teasley, 1995), se
adequa perfeitamente ao tipo de interações necessárias ao método. Além disso, o papel
do professor nas interações é decididamente colaborativo, já que ele atua como um
membro do grupo nas discussões do caso.
O sistema também colabora com os estudantes. Ele assume o papel desempenhado pelo
professor na discussão do caso, de um parceiro dos estudantes, ao invés de ser um
repositório de conhecimento ou uma fonte de especialidade. O seu envolvimento da
discussão tem o propósito de encorajar o aprendizado, maximizando então as
oportunidades de aprendizado dos estudantes (ver Seção 3.4.2). Isso é conseguido
através do tipo de intervenções que o sistema faz.
4.2.6 Tempo
A aplicação do método de casos na sala de aula tradicional tem limites de tempo, assim
como qualquer outra atividade de sala de aula. Os limites de tempo a respeito da solução
do estudo de caso são supostamente específicos de cada caso. Eles são estimados (por
exemplo, pelo professor) de maneira semelhante à estimativa de tempo feita para a
duração máxima da resolução um problema. É importante notar que na literatura
revisada nenhum estudo abordando essa questão foi encontrado.
No presente sistema não existem restrições de tempo a respeito do aprendizado
individual (isto é, quando o estudante trabalha sozinho, off-liné). Os estudantes podem
levar tanto tempo quanto necessário para elaborarem as suas respostas individuais
quando a solução do caso é desenvolvida em mais de uma sessão (o que não é possível
se o caso vai ser resolvido em apenas uma sessão com o sistema). Por outro lado em
ambos os casos (resolvendo o caso em uma ou mais de uma sessão) o aprendizado
colaborativo, feito on-line, deve respeitar os limites de tempo.
4.2.7 Participação
O sistema não tem como objetivo avaliar as contribuições individuais dos estudantes.
Entretanto, ele deve encorajar a participação sempre que esta estiver concentrada em
maior grau em apenas um dos membros do grupo, ao longo das diferentes fases da
solução do caso, num número significativo de situações. Em tais situações geralmente
o(s) outro(s) estudante(s) oferece(m) apenas um pequeno número de contribuições as
quais, via de regra, constituem um conjunto de aquiescências com as idéias dos outros
membros do grupo.
4.2.8 Problemas com o Método de Casos Considerados pelo Design do
Sistema
O design do sistema tem como objetivo atacar os problemas que o método de ensinar
com estudos de casos normalmente apresenta na sala de aula tradicional (ver Seção 3.5),
Acredita-se que no sistema isso é obtido através tanto da orientação dada pela
abordagem dos Sete Passos como pela promoção e monitoramento da discussão que
eventualmente resultam em intervenções do sistema, quando necessário. Em resumo,
considera-se que as diferentes funções do sistema que dão esse suporte minimizam os
problemas que o método de casos apresenta, nesse cenário de aprendizado (ensino a
distância, sistema baseado em computador, colaboração, etc).
4.3 Ensino a Distância Baseado em Casos
O objetivo do design do sistema de dar suporte à atividade de grupo no ensino a distância
baseado no método de casos implica em habilitar dois ou mais estudantes a distância a
realizar uma atividade colaborativa de estudo de caso na World Wide Web (Web). Uma
sessão típica para resolver um estudo de caso a distância de acordo com o design do
sistema proposto é imaginado como descrito abaixo.
• Materiais de Ensino/Aprendizagem
Os materiais de ensino/aprendizagem consistem, além do texto do estudo de caso, de
uma breve explicação sobre o método, enfatizando a importância tanto da discussão do
caso como de se chegar a um acordo sobre a solução do mesmo. Esses materiais também
incluem informações relevantes, tais como instruções aos estudantes de como proceder
para resolver o caso de acordo com a abordagem dos Sete Passos nesse ambiente (isto é,
que ferramenta usar, como e quando) e como o sistema irá dar o suporte a este processo.
O texto do estudo de caso irá apresentar, adicionalmente ao seu conteúdo, uma questão a
ser respondida, uma decisão a ser tomada, ou um dilema a ser resolvido. Além disso, os
materiais de ensino/ aprendizagem também compreendem os Sete Passos. Cada passo,
assim como o seu objetivo, a questão e a atividade relativa à cada um deles, são
apresentados. Depois de ler o caso os alunos iniciam o processo de solução.
• Aprendizagem Individual
Depois de ler as instruções e o texto do estudo de caso os estudantes começam pela
pergunta colocada no primeiro passo, trabalhando individualmente, off-line. Em seguida
eles devem apresentar ao grupo as suas respostas individuais à pergunta daquele passo.
• Aprendizagem Colaborativa
A seguir, os estudantes devem colaborar uns com os outros, trabalhando em grupo. Eles
devem alcançar um consenso de maneira a ter apenas uma resposta conjunta para o
grupo, tendo como ponto de partida suas respostas individuais. Eles devem discutir e
concordar sobre uma resposta comum, baseado nas diferenças ou semelhanças entre as
suas opiniões individuais.
• Solução do Caso
Quando os estudantes chegam num acordo, eles apresentam a sua resposta conjunta.
Depois de terminar a resposta do passo em questão, eles passam para o próximo passo,
onde o procedimento anterior acontece novamente. Ao prosseguir seqüencialmente
através dos passos, os estudantes vão sendo guiados para a solução do caso.
• Feedback do Sistema
O feedback do sistema está relacionado com o papel do professor na sala de aula
tradicional com relação ao desenvolvimento da solução do caso. Durante uma sessão
este feedback consiste em fazer intervenções e apresentar informações relevantes em
momentos oportunos para os alunos.
4.4 Ambiente e Ferramentas
A sessão detalhada acima dá as diretrizes para os requisitos do sistema em termos de
como ele vai operar e quais ferramentas devem ser incluídas no ambiente de
aprendizagem. O primeiro aspecto importante a ser considerado é que o método de casos
é baseado em colaboração e conseqüentemente foi feita a opção por um ambiente de
aprendizagem colaborativa. Tal ambiente permite que os estudantes se comuniquem e
realizem trabalho colaborativo. Como o sistema é baseado na Web e na Internet, o
ambiente naturalmente segue um modelo de computação cliente/servidor e portanto
inclui clientes e servidores. Para proporcionar as condições de executar os
procedimentos descritos acima (ver Seção 4.3) o ambiente deve inclui um conjunto de
ferramentas que é concebido de modo a permitir a realização de tarefas de aprendizado
específicas, visando atingir os objetivos de aprendizado. Estas devem ser usadas pelos
estudantes de acordo com a atividade que eles estão desenvolvendo. Sendo assim, cada
ferramenta serve a um propósito diferente, em pontos diferentes durante a solução do
caso. O conjunto básico de ferramentas é composto de:
• Um browser para acessar os materiais de ensino/aprendizagem;
• Um chat onde se faz a discussão;
• Um editor de texto, onde os participantes podem editar o texto de suas respostas.
O uso dessas três ferramentas em particular foi determinado pelo utilização do método
de casos e da abordagem dos Sete Passos na sala de aula tradicional. O uso do browser
está implícito na concepção do sistema, já que a Web é a mídia para apresentar os
materiais de ensino/aprendizagem. O editor de texto é usado para apresentar e registrar
as respostas às perguntas colocadas em cada passo. O chat é onde a discussão para se
chegar a um acordo sobre as respostas a cada pergunta dos passos, e sobre a solução do
caso, acontece. O ponto de partida para a discussão são as diferenças e/ou similaridades
entre as respostas individuais, visualizadas com o editor de texto.
4.5 Conclusão
Nesse capítulo detalhou-se como os aspectos teóricos envolvidos tanto no aprendizado
baseado em casos como nos Sete Passos são incorporados num ambiente de aprendizado
colaborativo baseado em computador. Os Sete Passos foram descritos em maiores
detalhes a partir de uma perspectiva computacional, e as perguntas usadas pelos
professores que trabalham com estudos de casos na sala de aula tradicional foram
relacionadas. A seguir, as questões que embasam o design do sistema foram colocadas e
nosso modelo de aprendizado baseado em casos foi apresentado. Por fim, de acordo com
o que foi proposto, os requisitos do sistema foram determinados.
No próximo capítulo é apresentada a implementação do que está descrito neste capítulo.
Os princípios e idéias incluídos no design do sistema são descritos de uma forma
computacional e as técnicas de Inteligência Artificial empregadas para executar as
funções do sistema são explicadas.
5 Um Ambiente Inteligente para o Ensino
Baseado em Estudos de Casos a Distância
No presente capítulo descreve-se o sistema desenvolvido, o qual pode ser definido como
um ambiente inteligente para o ensino a distância baseado em estudos de casos. Mais
especificamente, ele consiste de um ambiente inteligente para o aprendizado
colaborativo que roda na Internet. A sua implementação tem o objetivo de cumprir o
que foi concebido e descrito no capítulo anterior, em termos da funcionalidade do
sistema. Sendo assim, primeiro detalha-se a arquitetura do sistema. A seguir apresenta-
se os componentes do sistema e suas respectivas funções. Essas funções são
desempenhadas pelos agentes inteligentes definidos na arquitetura do sistema. Por fim, a
interface com o usuário do sistema é ilustrada e as diferentes funções do mesmo são
demonstradas.
5.1 Arquitetura do Sistema
A presente seção começa com uma discussão sobre o conceito de agentes inteligentes. O
objetivo é dar uma visão geral sobre essa área de pesquisa e situar teoricamente o
conceito de agentes usado nesta tese. A seguir, a arquitetura baseada em agentes é
detalhada e os tipos de agentes são apresentados, detalhando como eles se comunicam e
operam no ambiente.
5.1.1 Agentes Inteligentes
A literatura sobre agentes inteligentes ao longo dos últimos poucos anos tem
apresentado uma grande discussão sobre o assunto. A maior parte dessa discussão
refere-se à fazer a diferença entre um agente inteligente e um programa comum, na
medida em que a palavra agente tem sido apropriada para caracterizar quase tudo em
termos de software. Isso eqüivale a dizer que esta discussão consiste em uma tentativa
de estabelecer uma definição comum de agentes inteligentes, agentes autônomos ou
simplesmente agentes e determinar suas respectivas propriedades e características. Os
trabalhos de Wooldridge e Jennings (1995), Nwana (1996) e Müller (1998) constituem
revisões bastante completas da área e relatam as definições, propriedades e
classificações de agentes mais importantes, dadas por diferentes autores da área de
Inteligência Artificial (IA) durante os últimos anos. Para fazer isso, tais autores, de
maneira geral, relatam os conceitos adotados pelos diferentes pesquisadores que
trabalham com agentes e os usam como uma base para apresentar a sua própria
definição, propriedades e/ou características de agentes sob um determinado ponto de
vista. Aqui apresentamos algumas das referências que são os fundamentos para essas
revisões, assim como algumas outras que também são relevantes (Sycara et al., 1996;
Lander, 1997; Petrie, 1996; Franklin & Graesser, 1997). A seguir, sintetiza-se os
trabalhos (Wooldridge & Jennings, 1995; Nwana, 1996, Müller, 1998) que, em nosso
ponto de vista colocaram as fontes primárias dentro de uma estrutura teórica.
Finalmente, situa-se, neste contexto, os agentes do sistema apresentado nesta tese, isto é,
o conceito de agentes que está implementado e é implícito no sistema desenvolvido.
5.1.2 Definições de Agentes
Muitos autores diferentes se aventuraram em dar ao termo agentes uma definição e até
mesmo em estabelecer as propriedades e/ou características de agentes. Tais definições
geralmente variam de acordo com o ponto de vista do autor, o que por sua vez, depende
da sua formação, área de trabalho, etc. Entre as definições existentes, as mais
significativas e interessantes são as que se coloca abaixo.
De acordo com Mães (1995), os agentes autônomos são sistemas computacionais que
habitam algum ambiente dinâmico complexo, sentem, e agem nesse ambiente e realizam
um conjunto de objetivos ou tarefas para as quais eles foram designados. Em (Mães,
1996) a autora acrescenta alguns comentários para fazer a diferença entre um agente e
um software comum. Os agentes têm um senso de si mesmos como entidades
independentes, que sabem quais são os seus objetivos e vão procurar atingi-los. Outras
características importantes que ela enfatiza são a robustez e adaptabilidade, a capacidade
de aprender com a experiência e de responder a situações não antevistas
utilizando métodos diferentes. Os agentes devem também ser autônomos, de forma que
de acordo com o seu estado atual de percepção do ambiente, eles agem para progredir
em direção a seus objetivos.
Foner (1993) não apresenta explicitamente nenhuma definição de agentes, mas lista o
que ele considera como as "noções cruciais" que definem o que um agente é. Tais
noções podem ser vistas em termos das propriedades que os agentes devem satisfazer,
por exemplo, autonomia, capacidade de ser personificado, discurso, cooperação, risco e
verdade, antropomorfismo, etc. Além disso, pode-se identificar alguns aspectos
importantes do conceito de agentes de Foner (1993) entre as suas noções cruciais. Tais
aspectos vão, num certo sentido, na mesma direção de algumas definições de outros
autores. Por exemplo, a noção de autonomia, que de acordo com ele requer aspectos de
ação periódica, execução espontânea e iniciativa, parece ter relação com a
propriedade de proatividade de Wooldridge e Jennings (1995). Ou mesmo a noção de
capacidade de personificação, onde o autor enfatiza que a questão principal de um
agente é habilitar as pessoas a fazer melhor alguma tarefa, que pode estar associado ao
conceito de agentes como alguma coisa que age em favor do outro.
Existem ainda outros aspectos que vale a pena mencionar a respeito das noções cruciais
de Foner (1993). Cooperação, por exemplo, a qual nesse caso tem o sentido de que tanto
o humano quanto o agente colaboram para executar uma tarefa. Discurso, que implica
um feedback de duas vias entre o agente e o usuário, de maneira a se chegar a um acordo
sobre o que vai ser feito e por quem. Ou ainda, risco e verdade, os quais envolvem o
quanto um usuário deve confiar num agente e qual é o custo do erro de um agente.
Genesereth e Ketchpel (1994) definem agentes de software com uma abordagem que
vem da engenharia de software baseada em agentes, a qual enfatiza a interoperabilidade
entre o software num ambiente dinâmico. Na visão dos autores os agentes de software
são programas escritos componentes de software que se comunicam com outros pares
através da troca de mensagens numa linguagem de comunicação de agentes. Os autores
também acrescentam que a despeito dos agentes poderem ser tão simples quanto uma
sub-rotina, geralmente eles são entidades maiores, com algum tipo de controle
persistente.
Russell e Norvig (1995) definem um agente como qualquer coisa que pode ser vista
como percebendo seu ambiente através de sensores e agindo nesse ambiente através de
seus effectors. Como se pode observar, essa definição é bastante ampla. Entretanto, os
autores apresentam tanto algumas características de seus agentes como algumas
distinções entre os agentes abordados pela definição deles. Por exemplo, eles afirmam
que um agente racional ideal realiza a ação que maximiza a sua medida de performance,
dada a seqüência percebida que ele anteviu até então. Isso adiciona a dimensão de
racionalidade a um agente. Eles também mencionam autonomia, declarando que um
agente é autônomo na medida em que seu comportamento é determinado pela sua
própria experiência, ao invés de seu conhecimento incorporado sobre o ambiente.
Com relação aos diferentes tipos de agentes, Russell e Norvig (1995) citam agentes
reflexivos, agentes baseados em objetivos e agentes baseados em utilidade. Agentes
reflexivos são aqueles que respondem imediatamente a percepções, usando regras de
produção. Agentes baseados em objetivos são aqueles que agem de forma a atingir
seu(s) objetivo(s). E, finalmente, existem agentes baseados em utilidade, os quais tentam
maximizar a sua própria "felicidade", isto é, um estado do mundo que tem uma utilidade
maior para o agente.
Hayes-Roth (1995) afirma que os agentes inteligentes desempenham continuamente três
funções: percepção das condições dinâmicas no ambiente; ação para afetar as condições
no ambiente; e raciocínio para interpretar percepções, resolver problemas, fazer
inferências, e determinar ações. Ela acrescenta que a percepção pode tanto levar ao
raciocínio que guia a ação, ou direciona a ação imediatamente. Essa observação dá uma
idéia que os agentes dela possuem tanto o componente colaborativo como o reativo.
Adicionalmente, ela reconhece que a definição engloba uma ampla gama de tipos de
agentes, dentre os quais, por exemplo, agentes biológicos, correspondendo à
comportamentos sofisticados e versáteis, e agentes artificiais, de comportamento
limitado e estereotipado.
Além disso, Hayes-Roth (1995) reivindica que tais diferenças nas capacidades definem
em que classe de ambientes (nicho) um certo tipo de agente vai funcionar. A classe de
ambientes é caracterizada pelas tarefas que o agente desempenha, os seus recursos, suas
condições contextuais, e seus critérios de avaliação. Assim, a autora toma um caminho
de raciocínio um pouco diferente dos outros teóricos de agentes na medida em que ela
defende que uma arquitetura de agentes determina o comportamento potencial dos
agentes e, como conseqüência, o nicho que no qual ele está apto a funcionar (sendo que
o inverso também é verdadeiro). É importante lembrar que, para a autora, uma
arquitetura de agentes significa o conjunto de componentes estruturais no qual
percepção, raciocínio, e ação ocorrem, a funcionalidade e interface específica de cada
componente, e a topologia de interconexão entre os componentes. Hayes-Roth (1995)
argumenta que os agentes da IA atuais são limitados pelo nicho, por causa da sua
limitação em conhecimento e arquitetura. Ela enfoca a classes de sistemas inteligentes
adaptativos, cujos nichos apresentam variabilidade em seus ambientes (tarefas, recursos,
condições contextuais e critério de avaliação como mencionado acima). Como resultado
os agentes, para a autora, devem possuir a propriedade de adaptação.
Antes de colocar a sua definição de agentes Shoham (1993) também menciona o uso
popular crescente da palavra agente. E, como conseqüência, a perda do sentido original
da palavra, como alguém que age em benefício de outra pessoa. O autor acha que
geralmente, a comunidade da IA se refere a um agente como uma entidade que funciona
continuamente e autonomamente num ambiente, junto com os outros processos e entre
outros agentes. O autor aponta que talvez isso (autonomia) seja a única propriedade
uniformemente assumida por tal comunidade, no sentido de que os agentes realizam
atividades sem a orientação ou intervenção humana constante. Outra propriedade dos
agentes é que se supõe que eles sejam de alto nível. Essa qualidade de alto nível, apesar
de ser algumas vezes vaga, pode ser tomada como uma maneira de distinguir agentes de
outros softwares, já que estes devem ter representações simbólicas e/ou alguma função
do tipo cognitiva. Shoham (1993) quer dizer com o termo agente uma entidade cujo
estado é visto como consistindo de representações mentais como crenças, capacidades,
escolhas e compromissos. De acordo com ele, o que faz a diferença entre um software e
um agente é se a sua análise (autonomia) e controle são feitos em termos mentais.
Franklin (1995) não dá propriamente uma definição aos agentes, mas como um ponto de
partida propõe que se pense num agente autônomo como uma criatura que sente o seu
ambiente e age nele de forma a cumprir sua própria agenda. Além disso o autor
acrescenta que, visto como tal, um agente (não importa qual o tipo de agente) tem uma
única e principal função de escolher o que fazer a seguir, isto é, produzir a ação
apropriada. Franklin (1995) discute o trabalho de Brustoloni (1991), quem ele acredita
produziu os princípios de uma teoria sobre agentes autônomos. O autor (Franklin, 1995)
reivindica que agentes autônomos não devem estar sob o controle de algum outro agente
para ser considerado autônomo. Ele relaciona esse conceito com o conceito de ação
proposital sobre o qual Brustoloni (1991) fala. Além disso, a respeito do requisito de
"mundo real" de Brustoloni, Franklin entende-o como significando o ambiente no qual o
agente vive.
Brustoloni (1991), por sua vez, definiu agentes autônomos (explicitamente rejeitando a
expressão agentes inteligentes uma vez que ela traz a tona a questão delicada sobre o que
é inteligência) como sistemas que são capazes de ações autônomas e propositais no
mundo real. Ele coloca como propriedades essenciais dos agentes, primeiramente, que
eles sejam reativos. Eles devem ter a capacidade de responder, a tempo, à estímulos
vindos do ambiente a qualquer tempo. Segundo, eles devem estar aptos a desempenhar
funções intencionais. Eles as desempenham não exatamente porque eles são
direcionados a objetivos, mas porque eles têm impulsos e realmente buscam satisfazer
esses impulsos. E também, ao encontrar como satisfazer os seus impulsos, eles fazem
algum tipo de planejamento. Numa tentativa de evitar o que o autor chama de a
dicotomia clássica entre arquiteturas reativas e simbólicas, Brustoloni (1991) classifica
seus agentes como de regulação, de planejamento ou adaptativos. Tal diferenciação é
feita em termos da quantidade de conhecimento incorporada no sistema.
Conseqüentemente, os agentes de regulação não fazem planejamento, e lidam com
qualquer coisa com as quais eles são confrontados. Os agentes de planejamento,
obviamente, fazem planejamento, além de fazer o que um agente de regulação faz.
Agentes adaptativos planejam, mas também estão aptos a adquirir o conhecimento
necessário para o planejamento.
Sycara et al. (1996) concordam que a definição de agentes inteligentes ainda está por vir,
mas afirmam que é senso comum no momento a noção de que os agentes inteligentes de
software são programas que agem em benefício de seu usuário humano para
desempenhar tarefas trabalhosas de coleta de informações. A seguir eles apresentam o
que eles denominam abordagens competitivas para agentes: agentes de interface, que
possuem conhecimento simples, estão aptos a resolver problemas e cuja tarefa principal
é filtrar a informação; softbots, também um agente único com um
conhecimento geral para desempenhar uma vasta gama de tarefas delegadas pelo
usuário; e sistemas multiagentes. Sistemas multiagentes ampliam, na opinião dos
autores, a noção de agentes inteligentes porque eles podem primeiramente, interagir
tanto com um humano ou com outro agente e segundo, possuir mecanismos explícitos
para comunicação e interação com outros agentes. Tais sistemas multiagentes
compreendem agentes de interface, agentes de tarefas e agentes de informação. Os
autores também relacionam as características desejáveis de agentes (ver Tabela 2).
Tabela 2. Características desejáveis de agentes (adaptado de Sycara et al., 1996)
Característica Significado
Ordenável apto a seguir ordens de humanos e de outros agentes
Centrado na rede distribuído e auto-organizado
Semiautônomo
não sempre sob o controle humano direto. O usuário deve estar
apto a controlar o grau de autonomia do agente
Persistente capaz de longos períodos de operação não assistida
Confiável
apto a atender as necessidades do usuário de forma que estes
desenvolvam confiança no desempenho dos agentes.
Antecipatório
apto a antecipar as necessidades de informação do usuário
através de modelos de tarefas, papel e situações, assim como
aprender a servir como um cache inteligente para adquirir e
manter a informação provável de ser requisitada.
Ativo
apto a iniciar atividades de resolução de problemas, antecipar
necessidades de informação do usuário e chamar a atenção deste
para a informação relevante para uma situação, o que envolve
decidir quando fundir a informação ou apresentar a informação
bruta.
Colaborativo
apto a interagir com humanos e agentes de outras máquinas.
Interações colaborativas permitem aos agentes resolver conflitos
e inconsistências na informação, tarefas atuais e modelos de
mundo, desta forma melhorando suas capacidades de apoio à
decisão.
Flexível
apto a lidar com a heterogeneidade de outros agentes e dos
recursos de informação
Adaptativo
apto a acomodar necessidades mutáveis dos usuários e do
ambiente
Lander (1997) adota o mesmo estilo de raciocínio, tanto reconhecendo que o conceito de
agentes ainda não está definido e enfocando sistemas multiagentes. Depois de apontar
alguns problemas que podem ser originados pela falta de uma definição clara de agentes,
a autora categoriza de forma ampla a pesquisa sobre agentes em três grandes áreas:
sistemas de agentes colaborativos, assistentes pessoais, e agentes móveis.
A primeira área da tecnologia de agentes, a saber, sistemas de agentes colaborativos,
envolve integrar componentes de software baseados em conhecimento, semi-autônomos
e heterogêneos em aplicações coordenadas (Lander, 1997). De acordo com a autora isso
inclui desenvolver padrões e métodos tal que a informação e as aplicações possam ser
usadas em várias máquinas, plataformas, linguagens e representações de processamento
de dados. Também envolve desenvolver infra-estruturas, teorias e protocolos para
coordenar componentes e negociar compensações entre as restrições de vários
especialistas.
A segunda área se refere aos assistentes pessoais, definidos como agentes de software
que auxiliam o usuário no gerenciamento de informações e tarefas. Eles incluem
interfaces adaptativas, software que representa o usuário de alguma maneira (por
exemplo, em compras), mecanismos de buscas baseados na World Wide Web (Web) e
filtros de mensagens.
Finalmente, a terceira área da tecnologia de agentes são agentes móveis que se
transportam para um host remoto para processar a informação. A autora (Lander, 1997)
conclui enfatizando que esta é uma visão bastante ampla de agentes. Um agente é
considerado qualquer componente de software autônomo relativo que está apto a se
comunicar com humanos ou com outros componentes de software, que contribuem com
sua especialidade em alguma matéria, esteja este componente representando um usuário
ou desempenhando uma tarefa.
Franklin e Graesser (1997) relatam as diferentes definições, como elaboradas pelos
diversos autores, seguidas por um breve comentário deles mesmos a respeito do que é
enfatizado em cada definição. Eles então propõem a sua própria definição, listam as
propriedades dos agentes, e por fim definem uma taxonomia para os agentes autônomos.
Segundo os autores um agente autônomo é um sistema que se situa dentro e faz parte de
um ambiente, sente este ambiente e age nele ao longo do tempo no cumprimento da sua
própria agenda, o que afeta o que ele sente no futuro (Franklin & Graesser, 1997). Além
disso os autores observam que os agentes podem ser classificados de acordo com
algumas propriedades, mas na opinião deles todos os agentes devem ao menos satisfazer
as quatro primeiras dessas propriedades (ver Tabela 3).
Tabela 3. Propriedades dos agentes (adaptado de Franklin e Graesser, 1997).
Propriedade Outros Nomes Significado
Reativo sensível e atuante
responde a tempo a mudanças no
ambiente
Autônomo
exercita controle sobre as suas
próprias ações
Orientado a objetivos proativo
não age simplesmente em resposta ao
ambiente
Contínuo no tempo
é um processo que roda
continuamente
Comunicativo socialmente apto
se comunica com outros agentes,
talvez incluindo pessoas
Aprendiz adaptativo
muda o seu comportamento
baseado na experiência prévia
Móvel
apto a se transportar de uma
máquina para outra
Flexível
as ações não seguem um script
Personagem
personalidade confiável e estado
emocional
Outra fonte de discussão interessante sobre a definição de agentes é o artigo de Petrie
(1996), que tem por sua vez o artigo de Franklin e Graesser (1997) como um ponto de
partida
8
. A discussão tem um enfoque em agentes "úteis para a engenharia". O autor
começa enfatizando três problemas principais com as definições de agentes que tentam
usar palavras como "autônomos" e "inteligentes". Na visão do autor, primeiro, tais
palavras tem significados subjetivos. Segundo, esses rótulos subjetivos não são
aplicáveis a um objetivo de design no sentido de que, se um agente é alguma coisa que
desempenha uma tarefa, de forma que ele pode ser considerado inteligente ou auto
dirigido, porque um agente é um tipo de software e não outro? E, terceiro, não existe
8
Petrie (1996) discute o artigo de Franklin e Graesser (1997) baseado numa versão anterior à referenciada
aqui. Essa é a razão da discrepância nas datas das publicações.
uma definição de inteligência que possa distinguir um agente de todos os outros
softwares inteligentes.
Petrie (1996) enfoca autonomia versus inteligência e aponta que a razão para usar esses
termos é uma tentativa de distinguir um agente de um mero servidor, móvel ou não, e
está relacionado ao contexto de uma comunidade/tecnologia. O último termo se refere a
teorias de arquiteturas, comunicações e características humanas de agentes
independentes de domínio e abstratas; a primeira não tem significado técnico formal. Isto
é a razão pela qual, na opinião do autor, teorias que definem qualidade da agência como
forte, como a de Wooldridge e Jennings (1995), são discutíveis, especialmente por causa
do uso de termos subjetivos como intenção e crença.
Petrie (1996) também considera uma questão que ele acha que está de alguma forma fora
da comunidade de pesquisa da IA. A saber, os agentes da Web que fazem buscas para o
usuário, os quais ele coloca, não tem inteligência e devem ser chamados de servidores ao
invés de agentes. A única coisa que o autor concorda é chamar de agentes móveis
algumas aplicações de software que são construídas sobre uma tecnologia que os permite
ir de máquina para máquina. Por fim, o autor coloca que o conceito de agentes está
associado com um protocolo e linguagem de comunicação comum, como os agentes
KQML, de Genesereth e Ketchpel (1994). Essa questão serve de base para Petrie (1996)
estabelecer o que caracteriza um agente. O autor acha que um agente deve trocar
mensagens em um protocolo compartilhado de forma a desempenhar coletivamente uma
tarefa para ser considerado diferente de um sistema especialista, por exemplo. Um agente
deve também estar apto a voluntariar informação, a iniciar uma mensagem. Tais pré-
requisitos demandam que o protocolo de comunicação seja peer-to-peer, ao invés de
cliente-servidor, o que especialmente torna agentes da Web impróprios, ao menos quanto
à mensagens digitadas. Os tags HTML descrevem um formato e os agentes precisam de
uma semântica baseada em tarefas. Dentro dessa perspectiva, o autor conclui que o
ambiente Web pode até ser chamado hostil aos agentes, tendo em vista a sua natureza
cliente/servidor e seus dados não estruturados.
5.1.3 Revisões sobre Agentes
Os trabalhos apresentados nesta seção são revisões sobre a área de agentes inteligentes.
Tais revisões têm a característica de colocar numa estrutura teórica os vários trabalhos
sobre agentes, situando essas fontes primárias (como, por exemplo, os trabalhos citados
na seção anterior, como também alguns outros) num contexto.
De acordo com Nwana (1996), Wooldridge e Jennings (1995) tem o mérito de ter
tentado uma revisão extensiva dessa área, o que do ponto de vista da teoria, arquitetura e
linguagens. Wooldridge e Jennings (1995) apresentam duas definições de agentes, de
acordo com o uso feito dessa palavra. Na sua noção fraca o termo é usado para definir
um sistema de computador que goza das propriedades de autonomia, habilidade social,
reatividade, e proatividade. Na sua noção forte de agência, eles levam em consideração
particularmente os agentes que trabalham com IA. Sendo assim, um agente é visto como
um sistema de computador que possui as propriedades acima, mas é concebido também
com características humanas, por exemplo, um agente que usa noções mentais
(conhecimento, crença, intenção) ou agentes emocionais.
Wooldridge e Jennings (1995) estruturam a sua revisão então em torno das questões
mencionadas anteriormente, a saber, teorias, arquiteturas e linguagens de agentes. As
teorias de agentes enfocam as teorias formais de agentes que expressam características
desejáveis de agentes. Arquiteturas de agentes abordam o aspecto prático da matéria,
ou seja, a construção de sistemas computacionais que satisfazem as propriedades
delineadas nas teorias de agentes. As linguagens de agentes estão relacionadas com a
programação de sistemas computacionais de acordo com as teorias de agentes.
Finalmente, os autores também examinam algumas aplicações de agentes, tanto atuais
quanto potenciais.
No tópico sobre teorias de agentes Wooldridge e Jennings (1995) descrevem agentes
como sistemas intencionais, processando tanto atitudes de informação (por exemplo,
crença, conhecimento) quanto proatitudes (por exemplo, desejo, intenção, obrigação,
comprometimento, escolha, etc). Atitudes de informação estão relacionadas com o que o
agente sabe sobre o mundo que ele habita, enquanto que proatitudes têm relação com a
ação do agente. Os autores observam que uma teoria completa de agência, envolvendo
lógica e as propriedades relacionadas acima (crença, conhecimento, desejo, etc.) deve
definir as relações entre os atributos de agência, isto é, a relação entre os vários
elementos que compreendem o estado cognitivo do agente. Eles concluem colocando
que o papel desempenhado por tal teoria de agência é representar especificações para
agentes.
A respeito das arquiteturas de agentes Wooldridge e Jennings (1995) basicamente
dividem a matéria em três grupos principais. O primeiro é a abordagem clássica, que se
refere às arquitetura deliberativas. Estas contêm um modelo simbólico do mundo
representado de maneira explícita e as decisões são tomadas baseadas no raciocínio
lógico, no casamento de padrões e na manipulação simbólica. Isso significa que um
agente desse tipo provavelmente tem um sistema de planejamento. O segundo é uma
abordagem alternativa e tem relação com as arquiteturas reativas, as quais não incluem
modelos simbólicos do mundo e não usam raciocínios simbólicos complexos. O último
são as arquiteturas híbridas, que tentam fazer uso tanto das abordagens anteriores,
contendo um modelo simbólico do mundo, desenvolvendo planos e tomando decisões,
mas também reagindo a eventos, que ocorrem no ambiente sem usar raciocínio
complexo. Tais arquiteturas são geralmente construídas em camadas e o componente
reativo tem precedência sobre o deliberativo.
A respeito das linguagens de agentes Wooldridge e Jennings (1995) apresentam uma
breve descrição de algumas das linguagens existentes, enfatizando a importância da sua
emergência como sinalizadora do uso prático e mais amplo da tecnologia de agentes.
Eles também dividem as linguagens de agentes em categorias (linguagens deliberativas e
reativas, de acordo com a sua correspondência com a teoria de agentes, assim como eles
fazem com as arquiteturas de agentes).
Finalmente os autores (Wooldridge & Jennings, 1995) revisam algumas aplicações da
tecnologia de agentes. Dessa forma eles apresentam a sua classificação dos trabalhos
atuais, ao menos em termos das aplicações práticas. Elas são, a saber, resolução
cooperativa de problemas e IA distribuída, agentes de interface, agentes de informação e
sistemas cooperativos de informação, e agentes confiáveis.
Nwana (1996), por sua vez, apresenta uma revisão bastante ampla da área. Primeiro, ele
mostra a evolução da pesquisa sobre agentes de software, classificando as referências
principais dessa área de acordo com suas respectivas ênfases. O autor divide a pesquisa
na área em duas linhas, de acordo com sua perspectiva histórica. A primeira é
caracterizada por abordar as questões macro (tais como interação, comunicação,
decomposição de tarefas e distribuição, coordenação, cooperação, negociação para
resolução de conflitos, etc.) e em geral deriva de trabalhos com agentes colaborativos
múltiplos. Sob esse rótulo, o autor (Nwana, 1996) menciona o trabalho de Wooldridge e
Jennings (1995), lembrando que estes enfatizam as teorias, arquiteturas e linguagens de
agentes. Ele (Nwana, 1996) considera as últimas como uma evolução natural das
primeiras, as quais enfatizam as questões macro. Por outro lado, a diversificação nos
tipos de agentes sendo investigados é típico de uma segunda linha. Essa linha é muito
mais ampla e representa o contexto para o trabalho deste autor.
Nwana (1996) também discute a dificuldade atual de se chegar a um consenso sobre a
definição de agentes e os define como a um componente de software e/ou hardware o
qual é capaz de agir exatamente para desempenhar tarefas em nome do seu usuário.
Além disso, o autor afirma que um componente de software que se enquadra fora das
áreas de interseção da Figura 1 não é considerado um agente.
Figura 1. Tipologia de agentes (adaptado de Nwana, 1996).
Uma questão importante no artigo de Nwana (1996) é a tentativa de classificar os tipos
diferentes de agentes de software, os quais são extensivamente revisados, com exceção
do último (smart agents) que no momento ele considera mais uma aspiração dos
pesquisadores do que realidade. O autor então identifica os seguintes tipos:
• Agentes colaborativos;
• Agentes de interface;
• Agentes móveis;
• Agentes de informação/Internet;
• Agentes reativos;
• Agentes híbridos;
• Sistemas de agentes heterogêneos (combina dois ou mais dos tipos anteriores) e;
• Stuart agents.
Agentes colaborativos representam a maioria dos trabalhos da primeira linha
investigada por Nwana (1996). Ele relata as características principais dos agentes
colaborativos como sendo autonomia, habilidade social, responsividade e proatividade.
Tais características tornam possível para estes agentes agir racionalmente e
autonomamente em ambientes multiagentes. Eles podem ser benevolentes, racionais,
confiáveis, ou uma combinação destes, além de poder aprender também, mas o
aprendizado não é fundamental para a sua operação. A negociação é um aspecto que
pode ser requerido, se for para eles chegarem a um acordo para realizar alguma tarefa.
As características dos agentes de interface são autonomia e aprendizado. Eles também
são chamados de assistentes pessoais. Essencialmente eles apóiam e dão assistência
através da observação e monitorarão das ações feitas pelo usuário. Sendo assim, os
agentes de interface cooperam com o usuário. Nwana (1996) também aponta a sutil
diferença entre colaboração com o usuário, característica dos agentes de interface e
colaboração com outros agentes, característica dos agentes colaborativos.
Sobre agentes móveis, o autor afirma que a mobilidade não é condição nem necessária
nem suficiente para a agência, significando que eles são agentes porque são autônomos e
cooperam porque eles são móveis. É também importante notar que estes são autônomos
e cooperativos mas de uma maneira diferente dos agentes colaborativos.
Os agentes de informação/Internet auxiliam o usuário a gerenciar, manipular e
organizar a informação de fontes distribuídas. A distinção entre agentes de
informação/Internet em contraste com os primeiros dois tipos de agentes (agentes
colaborativos e de interface) é que os primeiros são definidos pelo que eles fazem
enquanto os últimos são definidos pelo que eles são ou por seus atributos.
Os agentes reativos não têm um modelo simbólico interno do mundo. Eles agem em
resposta a estímulos do ambiente que eles habitam. O autor reivindica que um ponto
importante a respeito desses agentes é que eles são relativamente simples. A
complexidade emerge como resultado de uma visão global da interação com outros
agentes.
Os agente híbridos combinam as características de dois ou mais tipos descritos acima
num único agente.
Finalmente, sistemas de agentes heterogêneos são definidos fazendo-se a diferença
entre estes e os agentes híbridos. Sistemas de agentes heterogêneos referem-se a um set-
up integrado de ao menos dois ou mais agentes os quais pertencem a duas ou mais
classes de agentes diferentes. Eles podem até mesmo conter agentes híbridos.
Müller (1998) por sua vez introduz a sua revisão colocando a indefinição a respeito do
termo agentes e afirma que o termo agentes autônomos parece ser uma palavra mágica
no mundo da computação nos anos 90. Ele enfatiza que o conceito de programas de
software autônomos tem tal importância que isso até mudou o modo como a IA como
um todo se define, citando como uma evidência para isso o livro de Russell e Norvig
(1995), que é o livro texto mais usado em IA hoje e apresenta o campo com uma
abordagem baseada em agentes.
No ponto de vista do autor (Müller, 1998) o coração de um agente autônomo é a sua
arquitetura de controle, isto é, a descrição dos seus módulos e de como eles trabalham
juntos. Então, ele primeiramente revisa o estado da arte do design de arquiteturas de
controle para os agentes autônomos. Ele investiga questões relativas à arquitetura
levantadas pelas três correntes que influenciam a pesquisa em agentes: agentes reativos,
agentes deliberativos e agentes interativos, assim como as propriedades de agentes que
cada uma dessas correntes enfoca.
Os agentes reativos são construídos de acordo com o paradigma baseado no
comportamento, não tem uma - ou no máximo tem uma muito simples - representação
interna do mundo, e fazem um casamento rigoroso entre percepção e ação. As
propriedades de agentes enfocadas aqui são reatividade e comportamento em tempo real.
Os agentes deliberativos são agentes (na tradição da IA simbólica) que tem uma
representação simbólica do mundo em termos de categorias tais como crenças, objetivos
e intenções, e que possuem mecanismos de inferência lógica para tomar decisões
baseadas no seu modelo de mundo. A sua propriedade característica de agente é a
habilidade de agir de uma maneira orientada a objetivos e proativa.
Finalmente, agentes interativos estão aptos a coordenador as suas atividades com
aquelas de outros agentes através das comunicações e em particular, a negociar. A
habilidade de comportamento social cooperativo é a propriedade de agentes que tem a
ênfase. Esse tipo de agentes tem sido investigado principalmente na IA distribuída: eles
podem ter uma representação explicita de outros agentes e podem estar aptos a
raciocinar sobre elas. Sendo assim o autor se aprofunda nos desenvolvimentos em
agentes interativos.
Müller (1998) comenta que não é surpreendente que a pesquisa em arquitetura de
agentes nos anos 90 principalmente tentou reconciliar as propriedades de agentes em
arquiteturas de agentes em camadas híbridas (isto é, fazendo uso de diferentes meios de
representação ou mecanismos de controle em camadas diferentes). O autor dá então uma
visão geral de algumas dessas arquiteturas. Ele também aponta que, até os anos 90, a
força motriz por trás do desenvolvimento das arquiteturas de agentes foi a robótica, e o
desenvolvimento e a avaliação de muitas das arquiteturas mencionadas nas correntes de
pesquisa acima forma feitas utilizando-se aplicações em robótica. Mas, ao longo dos
últimos anos, o termo agentes tem sido crescentemente usado em diferentes contextos e
muitas das questões de arquitetura levantadas por esses novos desenvolvimentos são da
mesma forma investigados. Por exemplo, agentes confiáveis que são projetados para
serem acreditados pelos humanos; agentes de software que agem em favor ou dão
assistência aos humanos numa grande variedade de tarefas; e softbots que se movem
através da Internet desempenhando tarefas similares à maneira que os robôs agem num
ambiente físico.
A contribuição mais interessante do trabalho de Müller (1998) no entanto, é quando ele
aborda a necessidade dos designers de sistemas que precisam de soluções para
problemas de aplicações e que consideram usar a tecnologia de agentes para esse
propósito. Ele acha que dado a variedade de arquiteturas disponíveis é importante dar
algumas diretrizes que auxiliem o designer de sistemas a selecionar a arquitetura de
agentes certa ou mais apropriada para um dado domínio de problema.
De forma a fazer isso Müller (1998) primeiro identifica as áreas de aplicação para a
tecnologia de agentes. Então, baseado nas diferentes classes de aplicações ele propõe
uma taxonomia de agentes inteligentes de acordo com duas dimensões. A primeira
dimensão é o estado material dos agentes e inclui: agentes de hardware, que são os
agentes que tem um gestalt físico e que interagem com um ambiente físico através de
effectors e sensores e agentes de software que são programas que interagem com
ambientes de software reais ou virtuais.
A segunda dimensão é o modo primário de interação entre os agentes e o seu ambiente, e
inclui: agentes autônomos, cuja perspectiva se concentra em duas entidades (o próprio
agente e o seu ambiente) e sua relação, e engloba virtualmente todos os sistemas de
controle autônomos; multiagentes, cujos ambientes são classificados em categorias de
outros agentes e não agentes, e onde um agente usa o seu conhecimento sobre outros
agentes para coordenar as suas ações com aquelas de outros, para fazer melhores
previsões sobre o futuro ou para atingir objetivos colaborativamente; e agentes
assistentes, que primariamente interagem com e agem em prol de um tipo particular de
outros agentes, isto é, humanos. Dessa taxonomia o autor deriva seis tipos possíveis de
combinações que caracterizam diferentes tipos de agentes: agentes de hardware
autônomos, agentes de software autônomos, agentes de hardware assistentes,
agentes de software assistentes, multiagentes de hardware e multiagentes de
software. Por fim, baseado nessa classificação o autor coloca algumas regras que
auxiliam um engenheiro de software ou designer de sistema a decidir que arquitetura de
agentes (e qual classe conseqüentemente) é provável de ser apropriada para uma certa
classe de aplicações.
5.1.4 A Arquitetura Baseada em Agentes do Sistema Desenvolvido
A arquitetura do sistema do presente trabalho é baseada em agentes e suporta a
colaboração entre os mesmos através da rede (Thiry, Barcia, Khator & Martins, 1998).
Em (Thiry & Barcia, 1999), essa arquitetura é usada como uma base para implementar
uma aplicação de apoio ao ensino a distância. Os autores desenvolveram uma ferramenta
colaborativa encapsulada num browser Internet inteligente. No presente trabalho, essa
arquitetura é usada como uma base para implementar um ambiente colaborativo no qual
o foco principal não é mais o browser, mas sim um ambiente que inclui um conjunto de
ferramentas que dá apoio à atividade de grupo no ensino baseado em casos. O conceito
de agentes usado nessa tese e implementado no sistema satisfaz ao menos as quatro
propriedades que Franklin e Graesser (1997) colocam como essenciais a um software
para que este seja considerado como um agente. Além disso, elas estão em conformidade
com o ponto de vista de Petrie (1996) em relação ao protocolo e linguagem de
comunicação de agentes. Sendo assim, a arquitetura do sistema inclui agentes que podem
ser classificados, de acordo com os tipos de agentes derivados da taxonomia de Müller
(1998), como agentes de software autônomos, agentes de software assistentes e/ou
multiagentes de software. Além disso, essa arquitetura de agentes enfoca funcionalidades
úteis (Rosatelli & Self, 1999).
A arquitetura baseada em agentes é estruturada num sistema de federação multiagentes.
As comunicações dos agentes se dão sobre uma estrutura formal baseada numa Agent
Communication Language (ACL) (Genesereth & Ketchpel, 1994). Essa estrutura
estabelece que as comunicações não acontecem diretamente entre os agentes mas sim
através de um programa especial chamado facilitador. O facilitador é um programa
especial (implementado como um agente) que mantém a informação sobre cada agente
no sistema. Ele é responsável pelo roteamento das mensagens, funcionado com um
broker. As mensagens trocadas entre os agentes usam o formato KQML {Knowledge
Query and Manipulation Language) (Finin et al., 1993). A Figura 2 mostra a estrutura de
comunicações usada. Duas bases de dados locais foram implementadas: na primeira, o
facilitador armazena toda a informação necessária de forma a rotear mensagens; na
segunda base todas as mensagens trocadas são armazenadas.
A arquitetura distribuída definida por Thiry e seus colegas (Thiry, Barcia & Khator,
1998; Thiry, Barcia, Khator & Martins, 1998) é organizada em três classes de agentes:
agentes de interface, agente de informação e agente de aconselhamento (ver Figura 2).
Os agentes na arquitetura proposta são modelados numa estrutura em camadas. A
proposta é oferecer funções bem definidas em cada camada. Essa analogia com a
arquitetura de redes permite a independência de implementação para cada camada. A
comunicação entre as camadas é obtida através de uma interface. Essa abordagem
também proporciona a modularidade. As premissas básicas do design relatadas no
Capítulo 4, Seção 4.2 determinam as funções do sistema desempenhadas pelos agentes.
É importante notar que existe apenas um agente de informação e um agente de
aconselhamento rodando, mas tantos agentes de interface quantos forem os participantes
registrados numa sessão.
Figura 2. Arquitetura baseada em agentes (Thiry, 1999)
A principal diferença entre a arquitetura implementada em Thiry (1999) e o padrão ACL
é a quantidade de facilitadores. No padrão ACL é sugerido que cada computador host
tenha um facilitador para os seus agentes locais. A arquitetura definida aqui usa apenas
um facilitador para todos os agentes. Essa aparente limitação é na realidade uma decisão
de projeto de Thiry (1999). O autor justifica isso afirmando que os agentes de interface
estão espalhados em hosts diferentes, muitas vezes em redes locais diferentes. Em outras
palavras, é difícil encontrar dois agentes de interface no mesmo computador. Então, sob
esse ponto de vista, a vantagem de ter apenas um facilitador é simplificar a estrutura de
comunicação através da redução da troca de mensagens. Outra questão
importante é o fato de que os agentes nunca trocam mensagens diretamente. No padrão
ACL, um facilitador pode passar o endereço de uma agente para um outro agente,
permitindo um contato direto. A intenção aqui é manter algum controle central (nesse
caso através do facilitador) para facilitar o registro do histórico. Esses registros são
importantes no processo de avaliação do usuário, uma vez que todo o processo de
colaboração que aconteceu entre os agentes é armazenado.
A linguagem externa KQML (Finin et al., 1993) é usada para encapsular o conhecimento
dos agentes. O padrão ACL usa a linguagem interna KIF para representar o conteúdo do
conhecimento. Assim como em Thiry (1999) a estrutura está preparada para aceitar essa
linguagem, mas a versão atual não tem um tradutor KIF implementado. Entretanto as
mensagens KQML podem transportar o conhecimento em vários tipos de linguagens, tais
como o Prolog ou o SQL. As performativas KQML ilustradas na Figura 3 são usadas
para fazer o processo de conexão inicial entre um agente e o facilitador.
(register-agent
rsender custom agent
: receive
r
facilitator
:language s-expressions
:content (10.0.0.1 akInterface) )
(reply
:content (custom agent))
:sender facilitator
: receiver agent-12)
uni egister-agent
: sender agent-12
:receiver facilitator)
Figura 3. Performativas KQML para conexão inicial
entre os agentes e o facilitador (Thiry, 1999).
A mensagem register-agent é mandada pelo agente de interface para o facilitador para
requerer o seu registro no grupo. Os agentes de interface e de informação também têm
que executar essa operação, já que de outra forma o facilitador não saberia a sua
localização na rede. O conteúdo dessa mensagem é o número IP e o tipo de agente. No
exemplo ilustrado, uma gente de interface localizado no host "10.0.0.1" está requerendo
registro.
A mensagem unregister-agent é mandada pelo agente, geralmente um agente de
interface, ao facilitador requerendo seu desligamento do grupo.
A mensagem reply é mandada pelo facilitador ao agente que requer o registro. O
conteúdo do reply é o nome de um agente disponível. Esse nome não é conhecido pelo
usuário, pois o agente de interface é quem requisita. O nome identifica o agente apenas
no nível de comunicações. Nesse nível é também associado a um agente um número
temporário de porta.
As performativas register-agent e unregister-agent não existem na especificação do
KQML. Essa linguagem no entanto permite a adição de novas perfomativas. Uma vez
que o processo de registro está concluído, um agente está pronto para mandar e receber
mensagens através dessa estrutura.
De forma semelhante ao que está implementado em Thiry (1999), todos os três tipos de
agentes definidos na estrutura (o facilitador não está sendo considerado) devem estar
aptos a receber e mandar informação para as bases de conhecimento. Isso torna
necessário especificar como essa informação é enviada através da rede. Então, a
informação é também encapsulada em mensagens KQML. Para um transporte
apropriado da informação através de uma mensagem KQML, esta é convertida e
colocada no parâmetro content. Além disso, nesse trabalho, novas performativas foram
definidas: eval-rules transmite os itens digitados pelos participantes e, free-info transmite
um texto livre e é usado para se lidar com a informação colocada na ferramenta de chat.
5.1.5 Agente de Interface
O agente de interface interage com os estudantes assim como troca informações com os
outros agentes. A Figura 4 mostra a estrutura básica de um agente de interface. É
possível observar quatro níveis bem estruturados: interface, interpretação, operação, e
comunicação. Esse agente reside na máquina do participante e pode ser caracterizado
como um agente pedagógico animado (Lester et al., 1997). Todas as intervenções do
sistema são apresentadas através desse agente.
Figura 4. Estrutura básica do agente de interface (Thiry, 1999).
Analogamente a em Thiry (1999) o nível de interface desempenha a função de se
comunicar com o usuário. Ele é responsável por atender as requisições do usuário e por
apresentar as mensagens do sistema. O nível de interpretação tem a função básica de
tradução. Ele prepara e ordena as requisições do usuário numa estrutura de dados interna
gerenciada por esse agente. O nível operacional representa a parte principal do agente,
porque é aí que a função de raciocínio reside. Esse nível é responsável pelo
monitoramento das atividades do usuário e pela manutenção do conhecimento. O nível
de comunicações é a parte do agente que lida com a troca de mensagens com os outros
agentes. O formalismo adotado nesse nível para a representação de mensagens é a
mensagem KQML.
A base de dados de crenças do agente inclui a informação que o agente de interface
armazena sobre os usuários individuais: o passo da metodologia em que cada
participante está trabalhando, a resposta conjunta do grupo para cada questão dos passos
(na realidade um dos agentes de interface, a saber o agente de interface do membro do
grupo que é responsável por editar as respostas do grupo em uma sessão armazena essa
informação) e o número de contribuições do participante. As bases de dados de recursos
representam informações adicionais. Ela armazena o endereço do agente, o nome pelo
qual o agente é conhecido e o seu mapeamento na rede. Uma base de dados que contém
o histórico foi implementada para registrar tudo que o agente de interface faz, incluindo
as comunicações com o usuário e com os outros agentes. Essa característica fornece uma
ferramenta de avaliação da estrutura interessante, além de uma pronta avaliação dos
resultados da implementação.
5.1.6 Agente de Informação
O agente de informação lida com o domínio e com o conhecimento pedagógico. Ele
armazena a representação do conhecimento usada pelos outros agentes. Uma interface
para acessar esses dados foi definida e os níveis de interpretação e interface não estão
presentes, uma vez que o usuário não tem acesso direto a esse agente. Os agentes
realizam todo o processo de comunicação. Assim, tanto os agentes de interface como o
agente de aconselhamento podem acessar o agente de informação. A Figura 5 mostra a
estrutura básica do agentes de informação.
A informação está dividida em duas categorias diferentes: o material didático e as bases
de conhecimento. O material didático compreende as páginas HTML, imagens, textos e
multimídia. Essa categoria de informação está atualmente sendo armazenada em um
banco de dados relacionai num site da Internet. De fato, a melhor abordagem para o
armazenamento do material didático seria um banco de dados orientado a objetos.
Características importantes a serem ganhas com essa abordagem seria uma melhor
armazenagem dos recursos multimídia e a organização das páginas como objetos, ao
invés de arquivos num conjunto de pastas. Entretanto, a validade e funcionalidade do
sistema podem ser demonstrada com o uso de um banco de dados relacionai. As bases
de conhecimento se referem ao domínio e à abordagem dos Sete Passos e estão
organizadas como explicado nas Seções 5.2.1 e 5.2.6 abaixo.
Figura 5. Agente de informação (Thiry, 1999).
5.1.7 Agente de Aconselhamento
O agente de aconselhamento dá assistência aos participantes através da indicação de uma
aplicação apropriada do conhecimento. Ele monitora o processo de aprendizado e inicia
as intervenções do sistema. Tais intervenções dizem respeito ao tempo, à participação,
aos mal entendidos dos estudantes específicos do estudo de caso e à coordenação das
ferramentas (Rosatelli & Self, 1999).
A estrutura do agente de aconselhamento é basicamente a mesma usada para
implementar o agente de informação (Figura 5). Novamente, não há necessidade dos
níveis de interface e interpretação. Entretanto, a diferença básica está no nível
operacional. Enquanto o agente de informação possui características de acesso às bases
de dados e de conhecimento, o agente de aconselhamento tem mecanismos para
monitorar o usuário e reconhecer situações onde alguma explicação é necessária. Esses
agentes são então responsáveis pelas funções do sistema de parsing, de controle da
violação de restrições e do caminho de solução, e a geração de intervenções descritas
respectivamente nas Seções 5.2.2, 5.2.3, 5.2.4 e 5.2.5.
5.2 Componentes e Funções do Sistema
Os componentes e funções do sistema são os meios pelos quais o sistema raciocina e
executa as tarefas que compreendem o suporte que ele dá aos aprendizes. Estes
determinam tanto as fontes de informação para os agentes (por exemplo, as bases de
conhecimento) assim como a maneira como os agentes desempenham suas tarefas (por
exemplo, a geração de intervenções).
5.2.1 Base de Conhecimento do Domínio
A base de conhecimento do domínio diz respeito ao conhecimento do sistema sobre um
estudo de caso. Um estudo de caso é adequadamente representado com scripts (Schank
& Abelson, 1977). Os scripts são definidos como um "episódio geral padronizado" e sua
estrutura de conhecimento abstrai a seqüência de eventos presentes no caso. Além da
informação que se refere à narrativa do caso, o script do estudo de caso nesse sistema
também inclui: os pontos chave que devem ser trabalhados pelos estudantes
9
, o tempo
máximo que se deve gastar na solução do caso, e as disciplinas relevantes necessárias
para a solução do caso.
Quanto à notação usada para representar o estudo de caso como um script, assim como
em Parkes e Self (1990) nós não fazemos uso da notação Schankiana, por razões
semelhantes. A justificação dos autores para não usá-la é que foram enfocados os
requisitos práticos do sistema. Sendo assim foram representados apenas os aspectos do
domínio relevantes do ponto de vista instrucional, apesar de que se pode argumentar que
para o sistema deles possuir um verdadeiro entendimento, uma especificação mais
detalhada deveria ser dada. Esta deveria incluir então partes componentes envolvendo a
_
9
Essa informação diz respeito à solução do caso e se refere à resposta à questão do primeiro passo.
especificação das ações individuais em termos de operações primitivas tais como
MOVE, MTRANS, etc. (Schank & Abelson, 1977).
No presente sistema da mesma forma apenas representa-se os aspectos do domínio
relevantes do ponto de vista instrucional usando a notação de grafos conceituais (Sowa,
1984; Sowa, 1992). Grafos conceituais são um sistema de lógica cujo propósito é
expressar o significado numa forma que é logicamente precisa, possível de ser lida por
humanos e computacionalmente tratável. Através do seu mapeamento direto para a
linguagem, os grafos conceituais podem servir como uma linguagem intermediária para
traduzir formalismos orientados ao computador, de e para as linguagens naturais. Com a
sua representação gráfica, eles podem servir como uma linguagem de especificação e de
design formal, mas possível de ser lida. Neste trabalho ela é usada por causa das suas
características de mapeamento direto para a linguagem natural. Na Tabela 4 exemplifica-
se sentenças em inglês de estudos de casos no domínio de Engenharia de Produção, na
disciplina de Controle de Inventário e Administração de Materiais, e no tópico de Just-
in-Time e Inventário de Materiais em Processo (Tersine, 1988, ver Apêndice A)
representados com grafos conceituais na forma linear.
Tabela 4. Sentenças em inglês de estudos de casos em Engenharia de
Produção representadas com grafos conceituais.
The Tulsa Company offers numerous product configurations.
[COMPANY: TULSA] <-(AGNT)<-[OFFERS] ->(OBJ)-^[PRODUCT
CONFIGURATIONS: {*}]
Octagon Manufacturing Company produces tower cranes.
[COMPANY: OCTAGON
MANUFACTURING]<-(AGNT)<-[PRODUCE]->(OBJ)-> [PRODUCT: TOWER
CRANE]
Mr. Barth 's proposal is to increase production rates.
[PERSON: Mr. Barth]->(STAT)->[OWN]->(OBJ)->[PROPOSAL]->(CHRC)->
[INCREASE PRODUCTION RATES]
Além da representação do estudo de caso baseada nos scripts, a modelagem baseada em
restrições (constraint-based modelling, CBM) foi usada para tornar o sistema apto a
identificar um mal entendido a respeito do estudo de caso (Mitrovic & Ohlsson, 1998).
Esse tipo de modelagem propõe que um domínio seja representado como restrições sobre
soluções corretas nesse domínio. De acordo com uma notação formal para as restrições, a
unidade de conhecimento é chamada restrição de estado e é identificada como um par
ordenado <Cr, Cs>, onde Cr é a condição de relevância que identifica uma classe de
estados do problema para os quais a restrição é relevante, e Cs é a condição de satisfação
que identifica a classe de estados relevantes nas quais a restrição é satisfeita. A semântica
de uma restrição é: se as propriedades Cr se aplicam, então as propriedades Cs têm
que se aplicar também (ou então alguma coisa está errada).
Na Tabela 5 apresenta-se exemplos de restrições que se referem às mesmas sentenças
usadas como exemplos acima (Tabela 4). Estas foram formuladas numa análise do
estudo de caso de acordo com que tipos de mal entendidos que ele poderia originar.
Geralmente isso é modelado pelo professor que trabalha com estudos de caso.
Tabela 5. Um exemplo de uma restrição de estado (<Cr, Cs>) de um estudo
de caso no domínio de Engenharia de Produção.
5.2.2 Parser e Interpretador Semântico
O input para o sistema desempenhar algumas de suas funções são os resultados de cada
passo, isto é, as sentenças que compõem as respostas conjuntas do grupo para cada
questão colocada nos passos. Isso eqüivale a dizer que o input para o raciocínio do
sistema é o que acontece no diálogo entre os estudantes. Então, o monitoramento da
discussão do caso necessita uma análise, isto é, um parsing e uma interpretação
semântica, das expressões dos estudantes contidas no diálogo.
O parsing é uma interpretação sintática que se refere ao processo de recuperar a estrutura
de frase de uma expressão, dada uma gramática. A interpretação semântica é o processo
de extrair o significado de uma expressão e expressá-la em alguma linguagem de
representação (por exemplo, grafos conceituais neste caso) (Russell & Norvig, 1995). O
objetivo da análise é identificar um padrão que possa levar a uma intervenção do
sistema. A saída dessa análise é então passada para os outros componentes do sistema, a
saber os controladores da violação de restrições e do caminho de solução.
5.2.3 Controlador da Violação de Restrições
As expressões dos participantes que se referem especificamente ao estudo de caso
podem representar pontos nos quais o sistema deve dar suporte ao processo de
desenvolvimento da solução do caso, intervindo para chamar atenção dos estudantes para
possível mal entendido sobre o domínio, isto é, sobre o estudo de caso. Estes são
representados no sistema como um conjunto de restrições, de acordo com a modelagem
baseada em restrições (Mitrovic & Ohlsson, 1998). De acordo com esta modelagem cada
restrição indiretamente representa um conjunto de soluções errôneas, a saber, todas as
soluções que violam aquela restrição. CBM propõe que uma restrição de estado pode ser
representada com um par de padrões, o qual é uma lista de proposições elementares.
Cada restrição de estado é um par de testes sobre os estados do problema.
No presente sistema, os estados do problema são as sentenças de entrada, ou seja, as
respostas dos alunos para cada pergunta colocada nos passos. A violação de uma
restrição constitui um mal entendido expressados nas sentenças dos alunos que são
específicas do estudo de caso e representam as oportunidades para o sistema fazer uma
intervenção. Isso significa que, para iniciar uma intervenção, o sistema estará verificando
se uma violação das restrições representadas acontece, com base nas sentenças
componentes dadas como a resposta do grupo para a pergunta de um passo. Para testar se
um dado estado de problema é consistente com o conjunto de restrições, o procedimento
consiste em comparar esse estado contra todas as restrições e registrar qualquer violação
destas. Isso é feito em duas etapas. Primeiro todos os padrões de relevância são testados
contra o estado do problema, a fim de identificar aquelas restrições que são relevantes
para aquele estado. Segundo, o padrão de satisfação apenas das restrições relevantes é
testado contra o estado do problema. Se o padrão de satisfação de uma restrição
relevante casa com o estado corrente, então a restrição é satisfeita. Se o padrão de
satisfação de uma restrição relevante não é satisfeito, então o estado viola a restrição
(Mitrovic & Ohlsson, 1998). Essa é a situação que ativa a geração de uma intervenção,
onde o sistema vai colocar a sentença correta.
A Tabela 6 apresenta exemplos de mal entendidos dos estudantes que o texto do estudo
de caso poderia levar a, em relação às restrições modeladas na Tabela 5. Ou seja, este é o
tipo de sentenças componentes de uma resposta dos estudantes que poderia ser dado
como resposta conjunta a uma pergunta de um passo (entrada) e que ativaria o gerador
de intervenções.
Tabela 6. Um exemplo de mal entendido dos estudantes sobre as sentenças do
estudo de caso modeladas como restrições na Tabela 5.
5.2.4 Controlador do Caminho de Solução
Durante o desenvolvimento da solução do caso os estudantes podem perder o controle
das interconexões entre os componentes das respostas e conseqüentemente perder o
"rastro" dos seus caminhos de solução. Se os Sete Passos (Easton, 1982) forem
corretamente seguidos, haverá uma lista de soluções alternativas, uma previsão de
resultados para cada solução alternativa, e uma lista de prós e contras para cada
resultado. Isso pode se tornar bastante confuso, especialmente quando se chega no ponto
de escolher uma solução, e pode ser ilustrado pela não consideração de um certo tópico
levantado em um determinado passo, no passo subseqüente, o que demonstra o
abandono de um possível caminho de solução antevisto
10
. Por exemplo, do Passo 3
(listagem das soluções alternativas) para o Passo 4 (listagem dos resultados previstos) os
alunos podem deixar de lado uma das soluções alternativas antevistas quando listam os
resultados possíveis. Como conseqüência, uma das possíveis soluções para o caso não é
examinada. Além disso, o oposto também pode acontecer: por exemplo, a inclusão de
tópicos que não foram levantados num passo anterior. Em ambos os casos o sistema
deve estar apto a apontar qualquer incoerência a respeito dos resultados esperados
daquele passo.
Para tal, o sistema gera dinamicamente uma representação do conhecimento, uma
estrutura de dados em árvore (Rusell & Norvig, 1995) que representa o desenvolvimento
da solução para o caso de acordo com a abordagem dos Sete Passos. O input para a
geração desta árvore são os resultados de cada passo, ou seja, a árvore de solução é
gerada a partir das sentenças que compõem as respostas do grupo para cada pergunta
colocada nos passos. A raiz da árvore de solução corresponde à questão colocada pelo
caso. Os níveis da árvore representam cada um dos Sete Passos. Cada nó, num certo
nível, se refere a uma sentença componente da resposta do grupo de estudantes para a
pergunta do passo. Num dado passo, o sistema adiciona um nível à árvore, gerando-o
através da expansão dos nós no nível anterior. Então, os nós naquele nível são ligados
com o nó pai no nível anterior. Isso implica em obter as conexões entre os nós, ou, em
outras palavras, em encontrar qual o nó num determinado nível é ligado a qual nó no
nível anterior através de algum tipo de raciocínio. A árvore resultante representa o
caminho de solução tomado para resolver o estudo de caso e é referida como a árvore de
solução. A representação gráfica dessa árvore é apresentada para os alunos. De acordo
com o que está modelado na base de conhecimento sobre a
10
Se a solução do caso for representada como uma árvore (Rosatelli & Self, 1998), podar é uma técnica
válida. O que é reportado aqui não é a poda mas a não consideração de um ramo da árvore apenas por
negligência, sem um propósito ou uma análise mais profunda.
abordagem dos Sete passos, o sistema "sabe" o que é requerido de cada passo. Essa
informação é relacionada às respostas dos alunos para a questão de um certo passo. Isso
é possível devido ao agente de interface, que informa em qual questão de que passo os
estudantes estão trabalhando. O estado final da árvore é representado então para
(idealmente) todas as soluções alternativas que podem ser geradas através da
metodologia de solução - a abordagem dos Sete Passos - com o objetivo de tornar
possível para os estudantes escolher a melhor solução antecipada.
O raciocínio usado pelo sistema para obter essa árvore de solução consiste em
determinar como uma ligação entre um nó num determinado nível e seu nó pai no nível
imediatamente superior é obtida. Tais ligações, a saber os arcos, são obtidos através da
comparação das sentenças em dois níveis subseqüentes da árvore a fim de descobrir qual
sentença no nível superior está relacionada com a sentença que está sendo analisada num
dado nível. Uma primeira abordagem para fazer essa comparação é fazer uma análise,
isto é parsing e interpretação semântica, para determinar as relações entre as sentenças
componentes de cada nível (os arcos).
De forma a demonstrar que é possível a obtenção da árvore que, em última análise,
validam o rationale que é proposto nesta tese, abaixo é apresentado um conjunto de
regras se-então (if-then) que definem a nossa heurística para construir a árvore de
solução. Tais regras foram derivadas de um experimento (Rosatelli & Self, 1998, ver
Capítulo 6, Seção 6.2). Os nós da árvore são relativos às sentenças (como explicado
acima) e os arcos se referem às regras. As regras se-então são descritas na Tabela 7.
Tabela 7. Regras de produção para a geração da
árvore que representa a solução do caso.
RI: Se nivel = 0 então a questão colocada pelo estudo de caso é o
único nó, a raiz.
R2: Se nivel=l então todos os nós no nivel 1 são ligados à raiz.
R3: Se nivel=2, 3, ..., ou 7 então
R4: Se o número de sentenças (nós) no nivel n = número de sentenças
(nós) no nivel n-1 então ligar os nós no nivel n ao nó
correspondente no nivel n-1.
Essa regra é devida ao fato de que quando o número de sentenças componentes
em um nível é o mesmo que o no nível anterior geralmente existe uma
correspondência ordenada entre as respostas dos estudantes em dois passos
(níveis) subseqüentes.
R5: Se a sentença (nó) num dado nivel n-1 contém as palavras-chave
escolhidas na sentença (nó) no nivel n e o nó no nível n não
está ligado então o nó no nível n é ligado ao nó no nível n-1.
Essa regra implica que o link é feito assim que a palavra-chave escolhida é
encontrada numa sentença do nível n-1. As outras sentenças no nível n-1 não
são examinadas. Essa regra permite que os nós pais no nível n-1 tenham
apenas uma ligação com os nós do nível n.
R6: Se existe algum nó não ligado no nível n e a sentença (nó) no
nível n-1 contém a palavra-chave escolhida na sentença (nó) do
nível n então o nó do nível n é ligado ao nó no nível n-1.
A regra acima dá conta do caso de um nó pai num dado nível n-1 com um
segundo, um terceiro, etc, nó filho conectados à ele no nível n. Em tal regra um
nó ainda não ligado no nível n é comparado contra um nó no nível n-1 que já
está conectado. Se a condição é satisfeita, então os nós são ligados. Note que
esta regra é basicamente a mesma que R5 aplicada aos nós não ligados no nível
n e não restrita à nós ainda não ligados no nível n-1.
R7: Se existe algum nó não ligado no nível n então pedir aos
estudantes para ligar o nó no nível n ao seu nó pai no nível n-1.
Essa regra é usada como último recurso, quando não é possível conectar um ou
mais nós no nível n com um nó no nível n-1 usando as regras anteriores. Nesta
situação, pede-se aos alunos que eles mesmos façam as ligações.
Abaixo, o algoritmo (ver Tabela 8) usado para construir as árvores de solução, baseado
nas regras acima é apresentado. Ele está escrito num pseudocódigo, similar ao que é
utilizado por Russell e Norvig (1995) para descrever seus algoritmos. Entretanto
algumas adaptações neste pseudocódigo (por exemplo, a inclusão de parêntesis) foram
feitas de modo a proporcionar um melhor entendimento e uma maior facilidade quando
da implementação usando uma linguagem de programação. O procedimento para
comparar as sentenças nesse algoritmo foi escolher uma palavra-chave numa dada
sentença e verificar se essa palavra-chave está incluída em uma outra sentença. As
palavras-chave podem ser escolhidas de acordo com qualquer critério, como por
exemplo de acordo com a sua função sintática. Nesse caso o procedimento parse l para
escolher uma palavra-chave consiste basicamente em percorrer uma sentença de um
dado nível n, palavra por palavra, escolhendo os substantivos e armazenando-os como
um conjunto de palavras-chave (select keywords). parse2 consiste em comparar esse
conjunto de palavras-chave com as palavras de uma sentença do nível n-1, palavra por
palavra. Isto é, o conjunto de palavras-chave selecionadas é comparado com cada palavra
da sentença do nível n-1 até a palavra-chave ser encontrada ou o conjunto de palavras-
chave terminar.
Tabela 8. Algoritmo para geração da representação da árvore de solução do caso.
A seguir, a representação gráfica da árvore de solução (ver Figura 6) gerada com base
nos extratos dos diálogos - as sentenças componentes das respostas para as questões
colocadas nos passos - dos experimentos realizados é apresentada (ver Apêndice B para
os extratos de diálogo do experimento, a partir dos quais esta representação de árvore de
solução foi gerada, como também os extratos de diálogo e respectivas representações de
árvore de solução dos outros pares de estudantes). Pretende-se que esta representação
gráfica da solução em forma de árvore, gerada usando o algoritmo apresentado acima,
seja apresentada aos estudantes na interface. As sentenças componentes da resposta de
cada passo são representadas pelos nós numerados em cada nível da árvore. Os arcos da
árvore de solução são identificados nesta representação, de acordo com como eles foram
obtidos, usando diferentes estilos de linhas. A linha sólida indica os links feitos usando
regras if-then, denotadas por R2, R3, R4, R5 ou R6. A linha tracejada longa indica os
casos em que se acha que os nós seriam unidos de um modo mais correto de acordo com
nossa compreensão dos diálogos. A linha tracejada e com dois pontos mostra os links
que os estudantes supostamente fariam, quando perguntados pelo sistema. Esses casos
também são identificados pelo uso de R7.
5.2.5 Gerador de Intervenções
A função de geração de intervenções diz respeito a promover e monitorar a discussão do
caso, semelhantemente ao professor que trabalha com estudos de caso na sala de aula
tradicional, fazendo intervenções durante a discussão de caso. Quando faz uma
intervenção o sistema dá algum feedback para os estudantes relativo à solução de caso.
O conhecimento é representado por um conjunto de regras que são aplicadas de acordo
com o que está acontecendo no diálogo. A geração de uma intervenção é iniciada pelo
input vindo tanto das violações das restrições quanto do desenvolvimento da solução.
Abaixo se descreve os tipos de intervenções que o sistema pode fazer.
Figura 6. Representação gráfica da árvore de solução.
A) Intervenção Específica do Caso. As expressões dos estudantes específicas do caso
representam pontos nos quais o sistema deve dar apoio relativo ao processo solução do
estudo de caso, intervindo de forma a chamar a atenção dos estudantes para um mal
entendido. Como explicado acima o sistema estará controlando as violações das
restrições modeladas na base de conhecimento do domínio, que representam as
oportunidades para as intervenções do sistema, e ativam o gerador de intervenções. Na
situação em que uma violação é encontrada e o gerador é ativado, a intervenção
específica do caso consiste na própria restrição violada, ou seja, na sentença que é
modelada como uma restrição (ver Tabela 9).
Tabela 9. Exemplos de mal entendidos (M) dos estudantes seguidos pelas sentenças
corretas (C) de um estudo de caso em Engenharia de Produção (Tersine, 1988).
(M) The Tulsa Company offers two basic produets.
(C) The Tulsa Company offers numerous product configurations.
(M) Octagon Manufacturing produces houses and tower cranes.
(C) Octagon Manufacturing produces tower cranes.
(E) Mr. Barth's proposal is to create an even more complete in-process
inventory of component parts readyfor assembly.
(C) Mr. Barth 's proposal is to increase production rates for components.
B) Intervenção sobre Tempo. Este tipo de intervenções consiste em notificar os
estudantes quando eles excedem o tempo limite para o trabalho colaborativo, on-line.
Tais intervenções são ativadas pela informação recebida do agente de interface que
controla o tempo gasto em cada passo.
C) Intervenção sobre a Participação. As intervenções sobre participação se referem a
encorajar a participação de um determinado estudante quando ele permanece calado ou
têm um grau não significativo de participação, não contribuindo para a solução. Este tipo
de intervenção é ativado pela informação recebida do agente de interface.
D) Intervenção sobre a Coordenação de Ferramentas. Este tipo de intervenção
consiste em intervir quando a falta de coordenação entre o uso das diferentes
ferramentas pelos estudantes é identificada. Mais precisamente esta intervenção consiste
em avisar a um estudante quando o grupo está trabalhando em qualquer outra coisa: ou
trabalhando em passos diferentes da solução do caso ou usando uma ferramenta
diferente. Tais intervenções são ativadas pela informação recebida do agente de
interface, que coordena o uso de ferramentas.
5.2.6 Base de Conhecimento da Abordagem dos Sete Passos
Esta base de conhecimento diz respeito à abordagem usada para guiar o processo de
solução do estudo de caso, os Sete Passos (Easton, 1982). Os Sete Passos também são
representados com scripts, na medida em que eles são uma sucessão de atividades a
serem desenvolvidas. Os scripts contêm a informação sobre a sucessão de passos e
incluem os objetivos e perguntas correspondentes. Além disso, o script também inclui a
informação sobre o que é requerido dos estudantes naquele passo em termos da solução
do caso, ou seja, os resultados esperados dos passos. O controlador do caminho de
solução usa esta informação.
5.3 Interface
A arquitetura descrita na Seção 5.2 foi usada para implementar um ambiente de
aprendizagem colaborativo que dá suporte ao aprendizado através de estudos de caso no
ensino a distância. Neste contexto, os agentes de interface interagem com os estudantes e
fornecem informações para os outros agentes; o agente de informação lida com o
domínio e o conhecimento pedagógico; e o agente aconselhando monitora o processo de
aprendizagem e inicia as intervenções do sistema. O ambiente suporta mais de uma
sessão simultaneamente. Uma sessão é associada a um grupo de estudantes que
trabalham colaborativamente na solução de um estudo de caso.
A interface do ambiente apresenta os componentes gráficos do sistema (ver Figura 7):
um menu pull-down e as seguintes áreas a partir do lado esquerdo superior, no sentido
horário: uma lista de participantes, um browser, uma representação gráfica da solução,
um editor de texto, uma chat e uma área de intervenções do sistema.
Os componentes do menu pull-down incluem: uma biblioteca de estudos de caso, que
contém o conjunto de casos de modelados disponíveis no sistema; formulários, onde os
estudantes preenchem as respostas do grupo para cada pergunta de passo (ver Figura 8) e
um help on-line, contendo as disciplinas pertinentes para a solução daquele caso.
Figura 7. O ambiente colaborativo.
Figura 8. Formulários.
A área da lista de participantes (ver Figura 9) mostra todos os participantes do grupo que
trabalham em um estudo de caso, isto é, participam em uma certa sessão. Os
participantes que estão on-line em um dado momento têm seus os nomes anotados com a
cor verde enquanto os que não estão participando da sessão naquele momento tem o seu
nome marcado com a cor vermelha. Os participantes podem realizar tarefas diretamente
com outro participante apenas clicando no botão correspondente a seu nome. O
cronômetro também está incluído nesta área.
O browser é usado para ter acesso as páginas Web que incluem os materiais de
ensino/aprendizado e as páginas que guiam os estudantes pelo uso de sistema. A janela
do browser é a única que pode ser arrastada e customizada pelo usuário (ver Figura 10).
Além disso, na versão atual do sistema o browser funciona como um browser
tradicional.
A representação gráfica da solução (ver Figura 11) apresenta a árvore que representa a
solução de caso desenvolvida até então pelo grupo. Todos os participantes visualizam a
mesma representação. Os elementos gráficos nesta janela são editáveis pelos estudantes
quando eles discordam com o raciocínio do sistema (por exemplo, quando o link que o
sistema faz entre um nó e seu nó pai não é o que os estudantes querem dizer na sua
resposta textual). A informação representada neste espaço também é usada pelo agente
de aconselhamento para monitorar e identificar qualquer incoerência relativa aos
resultados esperados dos passos. O agente de aconselhamento gera a representação da
solução como uma árvore, raciocinando com um conjunto de regras (ver Seção 5.4.4). O
input para esta função são as respostas dos estudantes para cada pergunta dos passos.
O editor de texto é um espaço individual (não compartilhado, não colaborativo) onde os
estudantes editam as suas respostas individuais. Ele permite que o grupo inteiro tenha
acesso às respostas individuais dos outros sem entretanto poder alterar o texto editado.
A área de intervenções do sistema inclui o agente de interface (Franklin & Graesser,
1997; Nwana, 1996), que pode ser caracterizado como um agente pedagógico animado
(Lester et al., 1997). Todas as intervenções do sistema são apresentadas através deste
agente. As intervenções dizem respeito ao tempo, à participação, aos mal entendidos
especificos do caso e à coordenação das ferramentas (Rosatelli & Self, 1999). A Figura
12 mostra uma intervenção do sistema sobre um mal entendido específico do caso.
Figura 9. As funcionalidades da lista de participantes.
Figura 10. A janela do browser customizada.
Figura 11. Representação gráfica da solução.
Figura 12. Intervenção do sistema.
O agente de interface também se comunica com os outros agentes e passa informações
pertinentes a estes, as quais são o input para o sistema realizar algumas de suas funções.
Estas informações dizem respeito à:
- Tempo. O agente de interface controla o tempo gasto pelos estudantes com trabalho
colaborativo, on-line, em cada passo. O limite de tempo para um certo passo é uma
função do tempo total calculado para a solução daquele estudo de caso e do passo
específico no qual eles estão trabalhando (ver Seção 4.1.5). Tal informação está
armazenada respectivamente no script do estudo de caso e no script dos Sete Passos.
Quando os estudantes estão trabalhando colaborativamente on-line eles podem exceder
os prazos estabelecidos para aquele estudo de caso, naquele passo, quando
desenvolvendo a solução do caso. Nesta situação esta informação é passada para os
outros agentes.
- Coordenação das ferramentas. O agente de interface identifica a falta de
coordenação entre os estudantes. Todo evento detectado na tela de um dos estudantes
(por exemplo, uma certa janela é ativada) é conferido com os outros participantes do
grupo (por exemplo, se os outros estudantes tem esta mesma janela ativa). Se o agente
de interface identifica que o grupo está trabalhando em coisas diferentes (por exemplo,
com outra ferramenta ou em outro passo) esta informação é passada adiante.
- Controle de participação. O agente de interface é responsável por identificar um
baixo grau de participação em um ou mais estudantes quanto às contribuições destes
para a solução do caso. Isto é denotado por um pequeno número de contribuições de um
dos estudantes, ou seja, pela não contribuição para a solução. Sempre que tal
comportamento é detectado o agente de interface passará esta informação adiante.
O programa de chat é bastante semelhante aos programas tradicionais e é onde a
discussão do caso acontece. Os participantes podem, além de escrever um texto livre,
expressar seu estado emocional, dirigir sua mensagem para o grupo inteiro ou para um
participante em particular (embora esta mensagem seja visível por todo o grupo) e, fazer
uso de sentence openers (McManus & Aiken, 1995; Robertson et al., 1998) para facilitar
o processo de chegar a um acordo na discussão do caso (ver Figura 13).
Figura 13. A ferramenta de chat.
Os sentence openers foram implementados primeiro por McManus e Aiken (1995),
baseado em uma série de habilidades de discussão que foram identificadas por Johnson e
Johnson (1994). Estes últimos especificaram as habilidades interpessoais e de pequenos
grupos mais básicas e importantes em discussões, as categorizaram e as associaram com
sentence openers. Tais categorias são: i) habilidades de comunicação, ii) habilidades de
confiança, iii) habilidades de liderança e iv) habilidades de conflito criativo.
McManus e Aiken (1995) usaram então os sentence openers com a intenção de dar um
exemplo de uma habilidade particular, de acordo com estas categorias. Os estudantes
enviavam mensagens um ao outro selecionando um sentence opener de um menu e então
elaboravam a partir deste com texto adicional. Houve uma correspondência um-para-um
entre os sentence openers e as habilidades identificadas por Johnson e Johnson (1994).
Um sistema tutor inteligente oferecia aconselhamento e feedback sobre o uso das
habilidade dos estudantes durante o curso da discussão, e gerava realimentação ao
término desta. As sugestões do sistema tutor eram baseadas em padrões de interação
denotados pelo uso dos sentence openers. Em Robertson et al. (1998) o objetivo do uso
dos sentence openers é dar um exemplo de uma habilidade particular, de acordo com
estas categorias.
No presente trabalho o objetivo do uso dos sentence openers é apenas facilitar a
discussão. Eles foram usados como uma característica do programa de chat porque eles
foram identificados nos diálogos relativos à discussão para se chegar a um consenso em
nossos experimentos (ver Capítulo 6). Abaixo, listamos o tipo de sentence openers
implementados no sistema. Eles foram selecionados baseados em Robertson et al. (1998)
e nos resultados dos experimentos realizados.
• I think...
• Yes...
• Na...
• Do you understand...
• Do you mean...
• / think that is good...
• I agree because ...
• I disagree because...
• I see your point of view because...
• The good things about your idea are...
• The bad things about your idea are...
• Why do you think that...
• Do you agree...
• Lets conclude that...
• We could do better if...
• Wlxat do you think about...
• I understand...
• This is a summary of what we said...
• Lets go on to the next question.
5.4 Conclusão
Neste capítulo a implementação do sistema, que enfoca o gerenciamento da discussão do
caso foi explicada e ilustrada. Para tal, primeiramente apresentamos o conceito de
agentes inteligentes, dando uma visão geral de suas propriedades, classificações e
taxonomias. Explicamos a arquitetura do sistema, que é baseada em agentes e provê as
condições para realizar as funções definidas no capítulo anterior pelo design do sistema,
assim como o tipo de agentes que estão incluídos nesta arquitetura. A seguir detalhamos
os componentes do sistema e suas funções. Finalmente, mostramos o design da interface
do sistema, exemplificando como as diferentes funções do sistema são apresentadas
pelos elementos gráficos incluídos na interface.
O próximo capítulo trata da validação do modelo teórico proposto nesta tese. Isto foi
feito através de dois experimentos realizados durante o desenvolvimento do sistema, os
quais são descritos em detalhes a seguir.
6 Validação do Modelo Proposto
O modelo teórico de utilização do método de ensinar através de estudos de casos num
contexto de ensino a distância proposto nos capítulos anteriores foi submetido a uma
investigação. Nesse sentido, a validação do modelo proposto consistiu em verificar se a
solução de um estudo de caso pode ser desenvolvida de acordo com a proposta
apresentada nesta tese, num cenário de ensino a distância. Com essa finalidade dois
experimentos foram realizados em diferentes fases durante o desenvolvimento do
sistema. Em ambos os experimentos um estudo de caso foi apresentado à pares de
estudantes a distância conectados por computadores em rede para ser resolvido em
colaboração. O objetivo geral foi testar se e como os estudantes iriam elaborar uma
solução para o estudo de caso, usando a abordagem dos Sete Passos (Easton, 1982).
O design do experimento, tendo em vista como o processo de solução do caso ocorre na
sala de aula tradicional, levou em conta: o direcionamento dado pelo professor através
dos Sete Passos, a discussão do caso baseada no confronto das idéias individuais e a
necessidade de se chegar a um consenso sobre a solução. Os resultados do experimento
serviram para testar nossas hipóteses e, mais ainda, para dar subsídios ao design do
sistema. Abaixo explicamos em detalhes os dois experimentos, seus resultados e as suas
implicações para o design do sistema.
6.1 Experimento 1
O primeiro experimento foi uma tentativa de testar a possibilidade de ensinar a distância
com estudos de casos, usando a abordagem dos Sete Passos. Os resultados gerados por
este estudo preliminar, além de confirmar as nossas idéias, serviram para dar algumas
diretrizes para o segundo experimento.
6.1.1 Objetivo
O objetivo deste experimento foi observar como acontece a discussão entre um par de
estudantes a distância que trabalha colaborativamente na solução de um estudo de caso.
6.1.2 Modelo
O ambiente de aprendizagem para o experimento consistiu em usar um browser e um
programa de chat. A World Wide Web (Web) foi usada para apresentar os materiais de
ensino/aprendizagem e o programa de chat era onde os estudantes discutiam o caso e
apresentavam as suas respostas.
O design das páginas Web foi baseado tanto na abordagem dos Sete Passos quanto nas
perguntas usadas pelos professores em sala de aula para guiar a discussão do estudo de
caso (ver Capitulo 3, Seção 3.4.3). Os Sete Passos foram incorporados ao ambiente de
aprendizagem através do uso de hyperlinks, os quais os estudantes deveriam seguir em
seqüência a fim de desenvolver a solução para o estudo de caso. As perguntas do
professor foram associadas com cada um dos Sete Passos, de acordo com o objetivo e
com a atividade a ser desenvolvida, exigindo uma resposta dos estudantes.
O primeiro conjunto de páginas Web apresentadas, além do texto do estudo de caso,
incluía informações sobre o método de casos e a abordagem dos Sete Passos. A
informação consistia numa breve explicação sobre o método de casos, enfatizando a
importância de discutir o caso e de se chegar a um consenso. O segundo conjunto de
páginas se referia aos Sete Passos. Este conjunto incluía uma descrição, os objetivos e
uma pergunta que demandava a atividade referente àquele passo em particular. Os
hyperlinks deveriam ser seguidos de acordo com a natureza seqüencial da abordagem
usada. Procedendo através da seqüência de passos os estudantes eram conduzidos para o
desenvolvimento de uma solução para o estudo de caso.
Para tal, primeiro os estudantes deveriam responder à pergunta colocada em cada passo
individualmente. Depois disso, eles teriam uma discussão on-line para chegar a um
acordo e ter uma resposta conjunta do grupo baseado nas respostas individuais de cada
um para a pergunta colocada naquele passo. Usando o programa de chat os estudantes
apresentavam então um ao outro as suas respostas individuais, discutiam a fim de chegar
a uma resposta comum e finalmente, apresentavam as respostas do grupo para a pergunta
do passo.
O estudo de caso usado neste experimento é intitulado "Um Caso de Dilema sobre
Direitos dos Animais" (Herreid, 1996; ver Apêndice C). Em resumo, a pergunta
colocada pelo caso era o que deveria fazer um professor de um curso de Biologia Geral
quando confrontado com um estudante que se opunha filosoficamente aos laboratórios
de dissecação. O caso não exigia um conhecimento especializado para ser resolvido e
acredita-se que a natureza controversa do assunto motiva e encoraja a discussão. A
suposição por trás da escolha deste caso era que os participantes do experimento não
estariam assistindo um curso ou aprendendo um domínio em particular, que é a situação
padrão na aplicação do método de casos.
6.1.3 Procedimento
Os participantes desta experiência eram três pares de estudantes. Um par era formado
por estudantes de segundo grau e 2 pares eram formados por estudantes de pós-
graduação (doutorandos). Embora estes estudantes fossem de áreas e níveis diferentes,
eles estavam familiarizados com as aplicações usadas na experiência: o browser e o chat.
Cada par de estudantes recebeu uma breve explicação sobre o experimento. Esta
explicação enfatizou o trabalho colaborativo na solução do estudo de caso, como
também a necessidade de se chegar a um acordo em todo ponto de decisão intermediário
(isto é, a resposta para cada pergunta dos passos) e na solução final do caso. A seguir, os
estudantes foram localizados em salas separadas e usando computadores em rede (PCs e
Windows NT) colaboravam a distância para resolver o caso.
6.1.4 Resultados
Os resultados foram obtidos através da revisão dos arquivos do programa de chat, que
continha as contribuições de diálogo relativo à discussão para alcançar um acordo, e as
respostas individuais e do grupo para cada pergunta colocada nos passos da metodologia.
Além disso, o experimentador fez algumas observações durante o experimento e anotou
as observações colocadas pelos participantes após o mesmo.
• O design do experimento foi baseado em nossa experiência com o método de
aprender com estudos de casos, bem como no que é apresentado na literatura. O
experimento confirmou as nossas idéias anteriores sobre como aconteceria a
discussão sobre um estudo de caso nesse cenário de aprendizagem.
• Apesar dos pares de estudantes parecerem ter uma compreensão clara do que era
esperado que eles fizessem, o resultado do experimento mostra de forma apenas
sugestiva que eles tiveram a sensação de estar construindo a solução do caso a cada
passo.
• O experimento mostrou a necessidade de se ter ferramentas separadas para a
discussão e para editar as respostas individuais e do grupo. Isto significa que usar o
programa de chat para a discussão, para as respostas individuais e para as respostas
de grupo não era apropriado.
• Dois pares de estudantes relataram que eles tiveram a sensação de já ter respondido
à pergunta colocada em um certo passo, no passo anterior. Nós supomos que isto é
devido à simplicidade do caso usado no experimento em oposição à complexidade
da metodologia de solução, que parece ser mais apropriada à estudos de caso num
domínio mais complexo, como por exemplo no domínio de engenharia de produção.
• Um par de estudantes levantou a questão de como eles saberiam que o seu par já
estava usando o programa de chat num dado momento, ou seja, como eles trabalham
juntos na solução do caso de um modo coordenado.
• Outro par de estudantes questionou sobre o tempo, isto é, se eles tinham restrições
de tempo e qual era essa restrição.
5.1.5 Conclusões
Primeiramente, a experiência mostrou a viabilidade de aprender com estudos de casos a
distância de acordo com nosso modelo: a abordagem dos Sete Passos, as perguntas do
professor associadas com os passos, e toda esta metodologia implementada em páginas
HTML e hyperlinks (Rosatelli, 1998a,; Rosatelli 1998b).
Baseado nestes resultados foi realizado um segundo experimento. O design do segundo
experimento busca resolver alguns dos problemas apresentados pelo primeiro. Uma
grande parte do design do primeiro experimento foi mantido. O material didático em
HTML, exceto algumas pequenas mudanças secundárias, era basicamente o mesmo. O
estudo de caso também era o mesmo. O ambiente colaborativo usado permitiu um
melhor controle das condições experimentais e os estudantes participantes constituíam
uma amostra mais homogênea. Não obstante, este segundo experimento ainda é um
estudo preliminar empírico e os resultados também são de natureza qualitativa.
6.2 Experimento 2
Baseado nos resultados e conclusões do primeiro experimento, foi projetado e executado
um segundo experimento. No primeiro experimento o modelo teórico relativo ao uso do
método de aprender com estudos de casos, em um contexto de educação a distância,
como proposto, foi submetido a uma investigação preliminar que mostrou sua
viabilidade. Neste segundo experimento utilizou-se um ambiente de aprendizado mais
elaborado que incluiu uma mais ferramenta, a saber, um editor de texto, e algumas
características de um ambiente de aprendizagem colaborativa nas outras ferramentas,
isto é, usou-se um browser e um editor de texto colaborativos. Baseado nos resultados
deste segundo experimento foram elaboradas algumas recomendações para o design do
sistema e da interface com o usuário.
6.2.1 Objetivo
O objetivo principal deste estudo empírico qualitativo (Anderson & Burn, 1989; Yin,
1994) também foi observar como acontece o processo de discussão entre estudantes
distantes que colaboram na solução de um estudo de caso. Como mencionado acima, da
mesma forma como o método de aprender com estudos de casos é aplicado na sala de
aula tradicional, a discussão é o tópico principal. Porém, pouca ou nenhuma informação
está disponível relativa à discussão, na aplicação do método de casos a distância, usando
computadores conectados em rede e um ambiente de aprendizagem colaborativo. Então,
o estudo empírico aponta para o avanço na investigação das questões que surgem da
discussão do caso neste tipo de mídia e de ambiente.
6.2.2 Modelo
O ambiente de aprendizagem colaborativo para este segundo experimento foi baseado no
NCSA Habanero v2.0 Beta 2 (National Center for Supercomputing Applications, 1998),
que é uma framework colaborativa escrita em Java. Esta inclui um cliente, um servidor e
um conjunto de aplicações. Entre o conjunto de aplicações disponível na versão atual, o
ambiente de aprendizado do experimento utilizou (1) Savina, o browser colaborativo; (2)
o chat, e (3) mpEDIT, o editor de texto colaborativo (ver Figura 14). O aspecto
colaborativo do browser significa que se um dos participantes da sessão acessa uma
determinada página Web, os outros participantes da mesma sessão visualizariam a
mesma página nas suas respectivas telas. Com respeito ao editor de texto, os
participantes podem editar um texto em conjunto, digitando um de cada vez na mesma
área de texto.
Figura 14. Tela do ambiente colaborativo Habanero mostrando, do lado esquerdo
acima a janela principal da framework e abaixo a janela do editor de texto,
e no lado direito acima a janela do browser e abaixo a janela do chat.
O uso destas três ferramentas em particular foi determinado pelas exigências impostas
pelo uso do método de casos e da abordagem dos Sete Passos na sala de aula tradicional.
O uso do browser colaborativo era implícito, já que a Web era a mídia para apresentar os
materiais de ensino e aprendizagem. O design das páginas Web era o mesmo do primeiro
experimento. A única diferença é que foram incluídas instruções para os estudantes
sobre como proceder para resolver o caso de acordo com a abordagem neste ambiente
(isto é, qual ferramenta usar, como e quando).
A aplicação do método de casos e a abordagem dos Sete Passos no ensino a distância
implica em colaboração (Roschelle & Teasley, 1995). Conseqüentemente esta questão
tornou-se uma das preocupações principais. O editor de texto colaborativo foi usado
tanto para apresentar e registrar as respostas individuais, como também para editar a
resposta de consenso do grupo em cada passo. O chat baseado em texto era onde
acontecia a discussão para se chegar ao consenso a respeito da resposta de cada passo e
também para a solução de caso. O ponto de partida para a discussão eram as
semelhanças e/ou diferenças entre cada resposta individual, visualizadas com o editor de
texto colaborativo.
O estudo de caso usado no segundo experimento foi o mesmo usado no primeiro
experimento, pelas mesmas razões.
6.2.3 Procedimento
Os participantes (voluntários) deste experimento foram cinco pares de estudantes de pós-
graduação. Embora estes estudantes tivessem formações diferentes, eles estavam
familiarizados com as aplicações usadas no experimento: browser, editor de texto e chat.
Por outro lado, eles não estavam acostumados ao aspecto colaborativo do browser e do
editor de texto, nem estavam familiarizados com o método de estudos de caso.
Depois de serem aleatoriamente formados, cada par de estudantes recebeu uma breve
explicação sobre o experimento. A explicação enfatizou o trabalho colaborativo na
solução do estudo de caso, como também a necessidade de se chegar a um consenso em
todo ponto intermediário de decisão (ou seja, a resposta para a pergunta de cada passo) e
na solução final do caso. Os estudantes também receberam uma explicação de cerca de
15 minutos sobre a framework colaborativa Habanero. Dois computadores em rede
colocados lado a lado foram usados nesta explicação a fim de demonstrar como as
aplicações utilizadas operavam em colaboração e como proceder para trabalhar com o
método de casos e a abordagem dos Sete Passos. A seguir, os estudantes foram
colocados em salas separadas e usando computadores conectados em rede (PCs,
Windows NT) colaboraram a distância na solução do estudo de caso.
Ficamos a maior parte do tempo na sala onde a máquina que estava rodando o servidor
estava localizada, observando as ações dos pares de estudantes e o desenvolvimento da
solução. Ocasionalmente alguma ajuda foi dada, relativa à operação das aplicações. Os
estudantes também foram advertidos sobre a questão tempo, quando estes levavam
muito tempo em um determinado passo ou no desenvolvimento da solução do caso como
um todo. Finalmente, éramos responsáveis por garantir que os arquivos relativos aos
textos editados e às contribuições do diálogo eram armazenados (salvos) em um arquivo.
6.2.4 Resultados
Os resultados do experimento foram derivados das observações feitas, da revisão das
contribuições do diálogo e dos textos editados relativos às respostas individuais e do
grupo para cada pergunta dos passos.
Abaixo são apresentados os resultados do experimento no que diz respeito ao
funcionamento do ambiente de aprendizagem e às questões levantadas em função do que
foi observado. Além disso, são descritas as recomendações para o sistema e para o
design da interface baseado nesses resultados.
(a) Desenvolvimento da Solução
Observações. Como observado no primeiro experimento, embora os pares de
estudantes parecessem ter uma compreensão clara de suas tarefas, as observações do
segundo experimento também mostraram que eles não perceberam completamente
que a solução de caso é construída passo a passo, adicionando-se em cada passo
alguma coisa ao que foi feito no passo anterior. Se os passos forem corretamente
seguidos, haverá uma lista de soluções alternativas, uma previsão de resultados para
cada solução alternativa e uma lista de prós e contras para cada resultado. Isto pode
se tornar complicado e confuso, especialmente quando se chega ao ponto de
escolher uma solução. Um comportamento comum era enumerar os componentes da
resposta de cada passo, o que funcionou bem para um único passo. Mas, quando
procedendo ao próximo passo, os estudantes frequentemente perderam as
interconexões entre os componentes das respostas, e consequentemente perderam o
"fio da meada" dos seus caminhos de solução. O resultado disto é que uma possível
solução do caso pode não ser examinada. Da mesma forma, o oposto também pode
acontecer: a inclusão de tópicos num determinado passo que não foram antecipados
em um passo anterior.
Recomendações. Um das metas do design do sistema é proporcionar para os
estudantes um modo de mapear ou visualizar a construção da sua solução. Nesse
sentido, o desenvolvimento da solução do caso de acordo com os Sete Passos pode
ser representado como uma árvore (Russell & Norvig, 1995), a qual seria
apresentada graficamente na interface. A principal virtude da representação gráfica
da árvore de solução é que ela mostra para os estudantes como as suas respostas
para os passos se conectam uma a outra, ao longo do desenvolvimento da solução.
Isto permite que o sistema e os próprios estudantes sigam o seu raciocínio e
conseqüentemente o caminho de solução tomado. Sendo assim, a árvore de solução
dinamicamente gerada pelo sistema, obtida passo por passo, corresponderia à
representação da solução do caso desenvolvida até então pelos estudantes. Tal
representação seria apresentada então graficamente na interface do sistema com a
intenção de se mostrar qualquer incoerência relativa aos resultados esperados nos
passos.
Tempo Ocioso
Observações. Havia algumas ocasiões quando um estudante tinha que esperar que o
outro terminasse uma atividade, por exemplo ler ou digitar, que geravam um tempo
ocioso e que pode apresentavam um tipo de desmotivação para os estudantes. Em
geral, isto acontecia devido ao fato de que cada um trabalha individualmente num
ritmo diferente. Porém, em algumas destas ocasiões este tempo ocioso estava
associado com o uso da ferramenta de chat, que exigia que a frase inteira fosse
digitada, e que a tecla enter fosse apertada, para que o outro estudante pudesse
visualizar a frase que foi escrita. Isto significa que enquanto um estudante estava
digitando, o outro estava apenas esperando ele terminar.
Recomendações. A capacidade de visualizar a frase enquanto esta está sendo
digitada/construída, que é uma característica presente em alguns programas de chat,
por exemplo no que foi usado no primeiro experimento, parece ser mais apropriado
a este tipo de cenário de aprendizagem. Além disso, a possibilidade de interromper
um ao outro apresentada também por este tipo de programa de chat parece ser mais
conveniente, na medida em que se aproxima mais de uma situação real de
colaboração. Isto é exemplificado e é reforçado por uma preferência, por alguns dos
pares de estudantes, pela ferramenta do editor de texto, tanto para conversar quanto
para digitar as suas respostas. A razão disto era que o editor de texto permitia que
os estudantes interrompessem um ao outro, como também visualizassem o que
estava sendo digitado.
Os outros tipos de situações que poderiam gerar um tempo ocioso, por exemplo,
diferentes ritmos de digitação, leitura e raciocínio não são levados em conta no
design do sistema uma vez que eles são os mesmos apresentados em qualquer
situação colaborativa de resolução de problemas presencial (por exemplo, na sala de
aula tradicional).
(c) Coordenação das Ferramentas
Observações. Cada ferramenta usada na experiência, isto é, o browser, o editor de
texto, e o chat, serviam a um propósito diferente, em diferentes pontos durante o
desenvolvimento da solução do caso. Embora as ações iniciadas por um dos
estudantes em uma determinada janela da ferramenta fosse visível pelo seu par a
distância, os estudantes muitas vezes não pareciam estar coordenados. Além de cada
estudante tem o seu próprio ritmo para ler, digitar, e raciocinar, os estudantes ainda
eram responsáveis pela coordenação do seu próprio trabalho enquanto um par. Eles
deveriam não só trabalhar juntos no mesmo ritmo, como também usar a mesma
ferramenta, dependendo de qual atividade eles estavam realizando (navegando nas
páginas Web, respondendo individualmente às pergunta dos passo, discutindo, ou
elaborando uma resposta em comum).
De fato, este problema já havia sido apontado pelos resultados do primeiro
experimento, quando um dos estudantes levantou a questão de como ele iria saber
que o seu par já estava pronto para discutir ou ir para o próximo passo. Nós
acreditamos que este problema foi até mesmo acentuado neste segundo experimento
devido à necessidade de coordenação entre as três ferramentas incluídas na
framework colaborativa utilizada.
Recomendações. A falta de coordenação apontada acima sugere que a capacidade
de visualizar as ações executadas pelo por um estudante em uma determinada janela
(uma característica da framework colaborativa usada no segundo experimento) não é
bastante para manter o par (ou grupo) trabalhando junto durante o processo de
solução do caso. Para resolver este problema acreditamos que o sistema deve ter um
mecanismo para manter os estudantes trabalhando em conjunto. Este mecanismo
deveria informar o estudante quando um deles muda de uma ferramenta para outra,
ou quando em deles passa para um próximo passo. Outro modo de reduzir este
problema é incluir um botão como "done" ou "next" na interface que, quando
apertado por um dos estudantes, deixaria o outro sabendo sobre a conclusão de uma
atividade e por conseguinte a passagem para uma outra etapa. Em suma, o sistema
deveria poder identificar esta falta de coordenação e apresentar uma notificação aos
estudantes sobre as ações de um outro estudante. Para tal, todo evento detectado na
tela de um dos estudantes (por exemplo, uma janela particular é ativada) deveria ser
conferido com o resto do grupo. Por exemplo, se os outros estudantes tem esta
mesma janela ativa, e, se não, este estudante deveria ser notificado que o grupo está
trabalhando em uma outra coisa.
(d) Editor de Texto Individual
Observações. Os estudantes deveriam elaborar as suas respostas individuais e em
seguida, baseado nas diferenças ou semelhanças entre as essas respostas, discutir as
suas idéias de forma a chegar a um acordo e elaborar uma resposta em comum. Para
fazer isto, eles tinham que apresentar um ao outro as suas respostas. O chat e o
editor de texto colaborativo se mostraram inadequados para esta função. Como estas
ferramentas eram colaborativas, cada indivíduo podia interferir nas respostas dos
outros. Por exemplo, apenas clicando na janela do editor de texto colaborativo era
possível a um dos estudantes transferir o controle desta janela e alterar a resposta
individual do seu par. A ferramenta de chat não apresentou tal problema mas, por
outro lado, não permitia que o texto da resposta fosse editado.
Recomendações. O sistema deveria proporcionar para os estudantes uma ferramenta
de editor de texto individual que, apesar de estar incluso na framework colaborativa,
seria visível pelo estudante mas editável apenas pelo seu autor.
(e) Tempo
Observações. Como na primeira experiência os pares de estudantes mostraram uma
tendência de gastar mais tempo nos primeiros passos e passar pelos últimos mais
rapidamente, contrariamente ao que era esperado, já que os últimos passos exigem
atividades mais complexas. Isto pode ser devido a vários fatores. Os estudantes
podem ser sobrecarregados com o nível de detalhe exigido pela abordagem dos Sete
Passos; ter uma diminuição (normal) na sua produtividade, de forma que eles
realizam melhor as atividades dos passos iniciais; ter apenas uma idéia grosseira de
como o processo de solução será desenvolvido em Sete Passos e concentrar muito
esforço nos primeiros passos e/ou ocupar mais tempo nos primeiros passos para se
familiarizar com a situação apresentada pelo caso. Em qualquer circunstância, o
resultado é que quando eles percebem que o desenvolvimento da solução está
levando muito tempo, eles aceleram o ritmo, o que pode diminuir a qualidade das
suas soluções.
Recomendações. A abordagem dos Sete Passos permite o controle, passo a passo,
do tempo de trabalho colaborativo (on-line). O sistema deveria intervir se o tempo
gasto pelos estudantes discutindo e respondendo uma certa pergunta em
determinado passo excede os limites de tempo estabelecidos. Este limite de tempo é
uma função de um tempo calculado para responder cada pergunta de passo, e um
tempo calculado para resolver um estudo de caso específico. Para dar este tipo de
suporte, o sistema deveria executar a cronometragem e deveria advertir os
estudantes sempre que eles chegassem perto dos limites de tempo.
(f) Participação
Observações. Os diálogos e textos editados revelaram um grau mais alto de
participação concentrado em um dos estudantes, em diferentes fases da solução do
caso, em um número significativo de situações. Em tais situações o outro estudante
apenas dava um número pequeno de contribuições, que se constituíam em uma
quase invariável aquiescência com as idéias do outro estudante.
Recomendações. O sistema não tem como objetivo avaliar as contribuições dos
estudantes individualmente. Porém, ele deve encorajar a participação. Se um dos
estudantes permanece silencioso ou tem um grau não significativo de participação,
não contribuindo para a solução (por exemplo, um número pequeno de contribuições
restrito a "eu concordo" ou "sim"), o sistema deveria poder identificar este
comportamento e dar um incentivo adicional para tentar melhorar este
comportamento. Isto significa encorajar a participação deste estudante especifico,
apresentando um convite à participação.
(g) Padrões de Expressão Específicos do Caso
Observações. Os diálogos apresentaram alguns padrões de expressão pertinentes,
seja específicos da discussão ou específicos do caso. Os padrões de expressão
específicos da discussão se referem ao processo de negociação para alcançar um
acordo. Os padrões de expressão específicos do caso estão relacionados às perguntas
dos passos e ao que foi incluído nas respostas anteriores, isto é, relacionados ao
domínio. Entre estes, nós enfocamos os padrões de expressão específicos do caso
que caracterizam um mal entendido sobre o caso e denotam dificuldades em
responder uma pergunta de um passo em particular.
Recomendações. Os padrões de expressão específicos do caso podem representar
pontos nos quais o sistema deveria dar suporte ao processo de solução do estudo do
caso e deveria intervir para chamar a atenção dos estudantes para um mal entendido
em potencial. Para realizar esta função, não há necessidade que o conhecimento do
especialista seja completamente representado no sistema. Os mal entendidos sobre o
estudo de caso podem ser representados de acordo com CBM (constraint-based
modelling, Mitrovic & Ohlsson, 1998) como uma restrição que representa o
conhecimento do domínio. Tal tipo de estrutura de conhecimento pode ser usada
para apoiar as interações dos estudantes com o sistema. Assim, o sistema deveria
usar as restrições modeladas sobre o estudo de caso para iniciar as intervenções que
são geradas baseadas na identificação de um mal entendido sobre o estudo de caso
ou sobre o processo de solução.
(h) Formulários
Observações. Os extratos do diálogo relativo às respostas do grupo às perguntas dos
passos, incluídos no Apêndice B, foram selecionados do arquivos que continham os
diálogos. Além disso, as sentenças desses extratos também foram apropriadamente
enumeradas de forma a tornar possível que as orações que são representadas pelos
nós pudessem ser referidas na árvore de solução.
Recomendações. A interface do sistema deveria apresentar um espaço mais
estruturado, por exemplo um formulário, onde os estudantes digitariam as respostas
em comum do grupo. O uso dos formulários proporcionaria a enumeração das
orações digitadas pelos estudantes, em cada passo, automaticamente. Como
resultado o sistema teria as orações em um formato apropriado em lugar de ter que
analisar gramaticalmente um diálogo. Isto significa que seria mais fácil para o
sistema raciocinar sobre os resultados dos passos. Além disso, os estudantes teriam
um campo próprio para escrever a resposta em comum a cada pergunta dos passos
como sugerido pelos resultados do primeiro experimento.
6.2.5 Conclusões
A implementação do sistema detalhado no Capítulo 5 segue a maioria das
recomendações derivadas deste segundo experimento, tanto em termos das facilidades
gráficas implementadas na interface quanto em termos das funções inteligentes que o
sistema executa. A representação da solução como uma árvore, os formulários e o editor
de texto individual são os elementos gráficos que foram incluídos na interface do
sistema. As ferramentas de coordenação, de cronometragem, de controle da participação
e as intervenções que dizem respeito às expressões específicas do caso são as funções
executadas pela versão atual do sistema.
Com relação à representação gráfica é importante notar que para gerar esta árvore a
implementação atual do sistema faz para uso do algoritmo apresentado na Seção 5.2.4. O
procedimento para comparar as orações incluídas neste algoritmo, chamado parse 1 e
parse2, é bastante simples e nem mesmo é um parser, no sentido de não incluir o
conhecimento sintático. O parsing é uma interpretação sintática e se refere ao processo
de recuperar a estrutura de frase de uma oração, dado uma gramática. O próximo passo
na análise seria o processo de extrair o significado desta oração como uma expressão em
alguma linguagem de representação, ou seja, a interpretação semântica (Russell &
Norvig, 1995). Consideramos que o uso de um parser apropriado e um interpretador
semântico melhoraria a representação de solução obtida. Porém, isto está fora do âmbito
deste projeto. Outra solução poderia ser algo como, por exemplo, um procedimento mais
sofisticado para comparar as orações.
Além disso, em alguns pontos o sistema pode fazer links incorretos com o algoritmo
para gerar a representação de árvore de solução. Conseqüentemente, o design da
interface deve permitir que os estudantes modifiquem um link feito pelo sistema na
representação gráfica da solução em árvore, ou seja, deveria ser possível aos estudantes
editar os links desta representação. Outra razão para se ter esta característica é que o
método de casos e a abordagem dos Sete Passos não restringe e até mesmo encoraja a
revisão e a mudança de uma resposta já apresentada.
Um aspecto importante na representação da solução do estudo de caso como uma árvore
é que no Passo 6, quando a escolha entre as soluções alternativas é feita, um único
critério para a escolha é usado, em lugar de múltiplos critérios. Isto significa que um
critério que tem o peso mais significativo (mais alto) determina a solução alternativa a
ser escolhida. Esta poderia não ser uma boa estratégia em certos tipos de estudos de caso
e especialmente em problemas reais.
Finalmente, existem algumas características que não foram implementadas na versão
atual do sistema devido a razões diversas. O chat que permite visualizar a oração
enquanto esta está sendo construida não foi implementado. A opção pela não
implementação desta característica foi devido à divergência sobre a conveniência desta
em um programa de chat num ambiente de aprendizagem colaborativas. As razões dos
que são a favor desta característica foi explicada acima. Por outro lado há estudantes que
desejam revisar ou ter certeza das suas contribuições antes de mostrá-la ao grupo. O
design da implementação do sistema atual está de acordo com esses últimos.
5.3 Conclusão
Neste capítulo descreveu-se dois estudos qualitativos empíricos que investigaram como
o processo de resolver um estudo de caso acontece em um ambiente baseado na Web. O
design do experimento levou em consideração como o processo de solução do estudo de
caso acontece na sala de aula tradicional, enfocando questões como o direcionamento
dado pelo professor que trabalha com o método de casos e com a abordagem dos Sete
Passos, a discussão do caso baseado na confrontação entre idéias individuais e a
necessidade de se chegar a um acordo sobre a solução do caso. Para realizar isto, os
estudantes em pares colaboraram entre si para resolver um estudo de caso. No primeiro
experimento eles trabalharam com um browser e um programa de chat e no segundo eles
usaram uma framework colaborativa.
Os experimentos mostraram que o método de aprendizagem com estudos de caso é
possível de ser aplicado no ensino a distância. Acredita-se também que o design
apropriado das páginas Web e o fornecimento das ferramentas adequadas para os
diferentes tipos de comunicação exigidas pelo método/abordagem colaboraram para este
resultado positivo. Os experimentos geraram os tipos de diálogo que eram esperados
relativos à discussão do caso e validaram as nossas idéias anteriores sobre o
desenvolvimento do processo de discussão e a solução do caso. Por outro lado, os
experimentos também mostraram que existem questões que deveriam ser abordadas para
se dar suporte à atividade de grupo no ensino a distância através de estudos de caso. A
abordagem inteligente para o design do sistema, compreendido pelas técnicas de IA
mencionadas em nossas recomendações, procurou solucionar tais questões.
Como trabalhos futuros, no próximo capítulo são colocadas algumas perspectivas para
desenvolvimentos adicionais desta tese que poderiam melhorar ainda mais o design e a
implementação do sistema.
7 Discussão e Trabalhos Futuros
Os resultados do estudo empírico qualitativo mostrado no capítulo anterior indicam que
o aprendizado através de estudos de casos a distância pode ser efetivo na medida em que
as questões relevantes na aplicação do método na sala de aula tradicional são levadas em
conta e implementadas corretamente em um sistema computacional. Ou seja, a
pedagogia da atividade de estudo de caso precisa ser traduzida para uma mídia diferente.
Os princípios de funcionamento do método de casos são as premissas para o design do
sistema e estes devem ser realizados em dois níveis: provendo as ferramentas
apropriadas para tornar o método de casos operacional em um ambiente de rede, e
adaptando a este cenário de aprendizagem o tipo de apoio dado pelo professor na sala de
aula tradicional.
O sistema descrito nesta tese permite a aprendizagem colaborativa através de estudos de
caso entre um grupo de estudantes que está geograficamente disperso. A arquitetura
baseada em agentes suporta a aprendizagem colaborativa e fornece as ferramentas
necessárias para levar a cabo o processo de desenvolvimento da solução do caso,
executando funções que como um todo auxiliam o processo de aprendizagem. Como na
sala de aula tradicional, guiar, promover, e monitorar a discussão do caso é essencial. A
abordagem dos Sete Passos serve para estruturar a atividade de grupo, proporcionando
para o sistema uma granularidade de informação adequada. As questões colocadas nos
passos, assim como as intervenções do sistema, são usadas para promover a discussão.
Com respeito à monitoração, as ferramentas personalizadas da framework colaborativa,
que cumprem as recomendações derivadas dos experimentos, executam esta função. O
sistema está então apto a lidar com um grupo de estudantes a distância, levando em
consideração os processos de aprendizagem que acontecem em cada estudante
individualmente.
Abaixo, algumas questões que dizem respeito ou ao sistema implementado ou ao modelo
de aprendizagem baseada em estudos de caso proposto, ou ambos, são discutidas. Esses
assuntos representam melhorias que podem ser feitas ao sistema implementado ou até
mesmo direções que esta pesquisa pode seguir no futuro.
7.1 Avaliação da Solução do Caso
Uma questão que não é tratada diretamente pelo sistema é a avaliação da solução do
caso. Isto é, o sistema não avalia uma solução de caso apresentada pelos estudantes no
sentido de atribuir uma nota a esta. Quando os casos envolvem resultados quantitativos,
por exemplo, é mais fácil modelar algum tipo de avaliação em um ambiente baseado em
computador. Os resultados numéricos apresentados podem ser os parâmetros para julgar
uma determinada solução. Por outro lado, casos que envolvem resultados qualitativos
representam um problema mais difícil de resolver quanto à avaliação. Nesta
circunstância, é necessário estabelecer o critério que vai ser usado para atribuir um valor
ao que os estudantes apresentam como a solução do caso. Um sistema que permite a
consideração de vários critérios diferentes e a atribuição de pesos diferentes a cada um
desses critérios é uma direção interessante para avançar na investigação relativa a este
problema.
Como conseqüência, a avaliação permanece como uma tarefa do professor. É importante
observar que na maioria das vezes a avaliação depende fortemente do estilo de ensino do
professor e dos objetivos de aprendizagem do estudo de caso. Argumentando em favor
do sistema que está implementado atualmente, é interessante frisar que este fornece ao
professor toda a informação necessária para fazer um julgamento, talvez até melhor do
que ele estivesse ensinando com casos na sala de aula tradicional, especialmente no que
diz respeito ao treinamento de habilidades.
Como colocado anteriormente o sistema pode guiar um grupo de estudantes a distância,
levando em conta o processo de aprendizagem que acontece em cada estudante
individualmente. O sistema mantém os registros das contribuições individuais tanto
quantitativa como qualitativamente (por exemplo, relativamente à participação, ao
número de contribuições e à própria contribuição), o tempo que o grupo levou
desenvolver a solução de caso, os mal entendidos relativos ao estudo de caso, as
dificuldades (ou a ausência delas) sobre o conhecimento subjacente que os estudantes
deveriam ter adquirido previamente e que a solução do caso requer, etc. Adicionalmente
são registradas todos as interações entre o grupo de estudantes e destes com o sistema.
Assim, o professor pode fazer uso destes registros e analisar os processos de chegar a
um acordo, as decisões do grupo em pontos diferentes da solução, como também a
solução final do estudo de caso.
Quanto aos diferentes tipos de habilidades que são supostamente postas em prática pela
discussão do estudo de caso (ver Capítulo 3, Seção 3.3) percebe-se que os registros do
sistema apresentam para o professor todos os elementos para avaliar os estudantes e o
grupo. As habilidades analíticas podem ser avaliadas verificando-se como os dados
brutos foram trabalhados e organizados para se tornar informação. As habilidades de
aplicação através de como os conceitos, técnicas e princípios das matérias envolvidas
foram aplicados. As habilidades criativas através de como foram geradas soluções
alternativas para os problemas não solucionáveis por uma análise lógica. As habilidades
de comunicação através de como e se os estudantes defenderam um ponto de vista,
persuadiram usando argumentos, etc. As habilidades sociais através de como
aconteceram as interações do grupo durante as discussões do caso. E, finalmente, as
habilidades de auto-análise, através da análise dos valores da própria pessoa, os quais
são evidenciados por discordâncias eventuais que aconteceram durante a discussão do
caso em cima de julgamentos de valor, em lugar de em cima de julgamentos analíticos.
Neste sentido o professor que trabalha com estudos de caso pode fazer uma avaliação
muito mais completa do que se ele estivesse na sala de aula. Na hipótese de uma situação
que envolva um número de alunos usual em sala de aula (digamos vinte estudantes) o
professor, usando o método de ensinar com estudos de caso, pode talvez dominar o
começo da sessão quando a turma inteira ainda está junta e ele apresenta o método,
explica os procedimentos, o estudo de caso que será trabalhado, etc. Uma vez que os
grupos de estudantes para trabalhar no estudo de caso se formam, por exemplo, grupos
de quatro estudantes, é muito improvável que o professor poderá lidar com cinco grupos
diferentes, para não falar sobre os estudantes individuais.
O sistema poderia até mesmo ter toda essa informação sobre cada estudante individual
armazenada no estilo de um modelo de estudante, o que possibilita poder analisar
automaticamente a participação, isto é, o número de contribuições de cada estudante,
tanto em número, quanto em conteúdo (usando os sentence openers, por exemplo, para
identificar a habilidade representada por cada um deles), o tempo e os mal entendidos de
cada estudante individual. Esta informação seria então apresentada ao professor.
7.2 Ensino Baseado em Casos
A área de Raciocínio Baseado em Casos (RBC) (Kolodner, 1993) é um ramo da solução
analógica de problemas que usa a experiência anterior para resolver problemas novos.
Em vez de aplicar uma cadeia lógica de inferências para deduzir uma solução, a solução
de outro problema semelhante é recuperada de uma base de casos e é modificada para se
ajustar à situação nova. Um caso é uma representação de uma situação problema mais a
solução que foi criada para solucionar este problema.
A idéia de ensino baseado em casos (Schank, 1990), derivada do raciocínio baseado em
casos da Inteligência Artificial (IA), é que os estudantes aprendem a partir de estórias
(casos) que são apresentados no momento exato em que estes necessitam saber a
informação expressada por essa estória. Khan e Yip (1996) argumentam que a
aprendizagem baseada em casos é definida como a situação em que os estudantes
adquirem conhecimento novo a partir da exploração de situações armazenadas em uma
biblioteca de experiências passadas. Do ponto de vista educacional, os casos podem ser
explorados como situações a serem apresentadas aos estudantes, os quais serão incitados
a achar soluções a partir de casos semelhantes, sintetizá-las, aplicá-las nesta solução
nova, e então fornecer uma explicação para a escolha. Conseqüentemente, da perspectiva
do ensino baseado em casos ou em outras palavras, da perspectiva de aplicar o raciocínio
baseado em casos à sistemas educacionais assistidos por computador (Schank et al.,
1994), a questão de recuperar um caso, de acordo com as necessidades do estudante, é
particularmente relevante para o sistema de que trata a presente tese. Estes aspectos
fazem do aprendizado baseado em casos uma ferramenta interessante para os processos
de ensino/aprendizagem.
O sistema descrito nesta tese faz uso de casos, a saber, estudos de caso, mas não
constitui uma aplicação de RBC ao ensino assistido por computador. Esta tese aplica, ao
invés disso, o método educacional de aprender através de estudos de casos, como é
tipicamente usado nas escolas de administração, a um sistema computacional,
incorporando uma metodologia para resolver o estudo de caso e permitindo que os
estudantes a distância trabalhem nele. O enfoque principal do sistema é o ensino (a
distância) colaborativo e todas as questões que surgem da aplicação do método de casos
neste cenário de aprendizagem. Isso significa que uma das premissas para o sistema atual
é que o estudo de caso com o qual os estudantes vão trabalhar já está "recuperado".
O sistema presente pode ser estendido adicionando-se a este a funcionalidade do ensino
baseado em casos. Isto é, recuperar um caso em resposta a uma demanda de
aprendizagem. De forma a determinar qual experiência prévia ou memória é pertinente a
um problema atual, ou seja, escolher qual é o próximo estudo de caso que deve ser
apresentado a um estudante, a similaridade entre a situação atual e prévia deve ser
determinada. Uma situação é descrita através de características especiais chamadas
índices que descrevem os aspectos importantes do problema, por exemplo, tópicos já
cobertos pelo estudante. Estes são casados às características de um caso prévio que é
recobrado de memória e sua solução é tornada disponível novamente para uso. O
processo de recuperação é igual a recuperar dados de um banco de dados, estando a
diferença no modo como os dados pertinentes (um caso) são identificados na base de
casos. No raciocínio baseado em casos o casamento é feito baseado na similaridade, a
qual permite que tanto casamentos parciais quanto casamentos exatos sejam feitos
(Khan&Yip, 1996).
Tendo em vista o que foi exposto, é interessante mostrar pelo menos uma das
implicações de tal proposta no que concerne à definição de um caso em RBC: a
representação de uma situação de problema mais a sua solução. Um estudo de caso é a
representação de uma situação problema. Porém, a solução desta situação está disponível
no sistema que esta tese propõe apenas quando os estudantes resolvem o caso. Além
disso, apresentar a solução para o caso em primeiro lugar para os estudantes contradiz o
método de ensino/aprendizagem que esta tese reivindica implementar em um sistema
baseado em computador. Por conseguinte, para incorporar o raciocínio baseado em casos
neste sistema, uma das possíveis soluções do caso - e como ressaltado anteriormente,
podem existir várias - a qual seria a representação da solução para a situação problema,
como definida em RBC, deveria ser incluída no sistema ampliado para melhorar as
intervenções do sistema e a representação gráfica da solução. Esta seria uma das
possíveis soluções para o estudo de caso, isto é uma de suas soluções satisfatórias, que
poderia ser desenvolvida pelo professor e ser representada no sistema.
Conseqüentemente o sistema não só mostraria para os estudantes as questões relativas à
coerência do desenvolvimento de processo de solução pelo grupo mas também questões
relativas à uma das possíveis soluções armazenadas (aquela apresentada pelo professor).
O sistema resultante iria então, em um primeiro nível, executar a recuperação de um
estudo de caso de acordo com os objetivos de ensino/aprendizagem e todas as interações
estudantes/sistema que poderiam acontecer relativas a este processo. Em um segundo
nível, o estudo de caso seria resolvido como é proposto nesta tese, isto é,
colaborativamente em um cenário de aprendizagem de um grupo de estudantes distantes
com o apoio do sistema.
Além disso, uma vez que a solução do estudo de caso apresentado pelo professor e
representado no sistema seria uma das soluções satisfatórias para a situação problema,
esta poderia também ser usada para fins de avaliação. Com respeito ao que foi discutido
na seção anterior, ela também pode ser usada como um parâmetro pelo próprio sistema
para julgar e atribuir notas para a solução do caso apresentada por um grupo de
estudantes.
7.3 Ferramentas de Representação
Quase todas as formas de aprendizagem humana envolvem informação que é
representada em formas diferentes. Os professores usam várias técnicas diferentes para
representar informação para os estudantes. Além disso, eles usam diagramas,
demonstrações práticas, modelos matemáticos abstratos, simulações semi-abstratas, etc.
Algumas tarefas podem ser executadas usando-se uma representação única. Já as tarefas
múltiplas requerem o uso combinado de conhecimento em formas diferentes, ou podem
ser executadas de um modo muito mais eficiente pelo uso integrado de representações
múltiplas do que por uma representação única (van Someren et al., 1998).
As mudanças em nosso conhecimento são um resultado da prática e da experiência, e
podem ser explicadas através de mudanças no conteúdo desse conhecimento. No
entanto, as formas de representação também representam um papel nessa mudança. No
contexto de representações múltiplas há duas formas de aprendizado que a distinguem
de aprender com uma única forma de representação. A primeira é que o estudante
constrói os mapeamentos entre elementos de representações diferentes. Este
conhecimento novo torna possível usar conhecimento em representações diferentes para
a resolução de problemas. A segunda forma de aprendizado é aquele conhecimento que é
movido (traduzido) em uma forma diferente e que permite resolver os problemas mais
rapidamente. Por exemplo, um diagrama pode tornar mais fácil achar respostas para
perguntas que também podem ser derivadas do raciocínio com descrições verbais.
Embora esta seja uma forma interessante de aprendizado, ela apresenta o problema de
escolher a representação ótima para o conhecimento. Um critério importante para esta
escolha é a eficiência da representação (van Someren et al., 1998).
Estas questões são particularmente relevantes porque as novas tecnologias tornam
possível elaborar e apresentar material de ensino para os estudantes sob qualquer forma,
e isto introduz novas escolhas para designers de material educacional. Por exemplo,
conceitos abstratos podem ser apresentados em uma representação visual. Uma
representação pode ser melhor do que outra e combinar representações múltiplas pode
criar novos problemas para o estudante. Entender como as propriedades das
representações determinam a sua utilidade e o quanto as representações múltiplas podem
ser combinadas é um requisito fundamental para o uso efetivo das novas tecnologias
(van Someren et al., 1998).
Ao mesmo tempo, as tendências que dominam o campo de aprendizagem e instrução
hoje em dia são construtivismo, situacionismo e aprendizagem colaborativa (de Jong et
al., 1998). Os estudantes são encorajados a construir o próprio conhecimento (ao invés
de copiá-lo de uma autoridade, seja ele um livro ou um professor), em situações realistas
(ao invés de somente em situações descontextualizadas e formais como a sala de aula),
junto com os outros (ao invés de individualmente). A tecnologia representa um papel
fundamental na implementação das novas tendências em educação, especialmente em
aprendizagem colaborativa. E, um dos efeitos destas novas tendências, a saber, da
maneira como estas são suportadas e trazidas para a sala de aula, é que os estudantes são
confrontados com informação de fontes múltiplas e em muitas representações diferentes,
o que é especialmente crítico em um contexto compartilhado.
A interação dos processos cognitivos de vários agentes é diferente do raciocínio de um
único agente, e, como conseqüência, estes podem ser afetados por representações
externas de modos diferentes. Especialmente as representações externas compartilhadas
podem ser usadas para coordenar o trabalho distribuído, e desempenharão esta função de
modos diferentes de acordo com os seus vieses representacionais. Além disso, a mera
presença de representações em um contexto compartilhado com agentes colaboradores
pode alterar cada processo cognitivo individual. Uma pessoa pode ignorar discrepâncias
entre o pensamento e as representações externas, mas um indivíduo trabalhando em
grupo deve se referir constantemente às representações externas compartilhadas
enquanto coordena as atividades com outros indivíduos. Sendo assim, as representações
externas têm um maior efeito na cognição individual em um contexto social do que
quando se trabalha individualmente (Suthers, 1999).
A pesquisa em Inteligência Artificial na Educação (IA-ED) especialmente vem
mostrando um interesse crescente em software que proporciona aos estudantes os meios
para construir, examinar e/ou manipular artefatos de conhecimento, enquanto interagem
com outros estudantes, isto é, em apoio à aprendizagem colaborativa. Por exemplo, é
sabido que a variação das características de ferramentas de representação pode ter um
efeito significativo no discurso da aprendizagem colaborativa e conseqüentemente nos
resultados da aprendizagem. As ferramentas de representação podem, por exemplo,
mediar o discurso na aprendizagem colaborativa proporcionando aos estudantes os meios
para expressar o conhecimento emergente em um meio persistente, onde o conhecimento
se torna parte do contexto compartilhado. Uma ferramenta de representação é a
implementação de uma notação representacional que provê um conjunto de elementos
primitivos a partir dos quais as representações podem ser construídas. O viés da
representação destas ferramentas restringe o conhecimento que pode ser expressado, e
torna alguns destes conhecimentos mais salientes e conseqüentemente um tópico mais
provável de discussão (Suthers, 1999).
Nesta tese propõe-se uma ferramenta de representação para a solução do caso
desenvolvida pelos estudantes. Isso significa que a interface do sistema inclui uma
representação da solução do estudo de caso sob a forma de uma árvore (ver Capítulo 5).
A árvore é gerada com um algoritmo que foi desenvolvido baseado nos resultados das
experiências descritas no Capítulo 6, isto é, as contribuições dos diálogos. O objetivo
desta ferramenta de representação é mostrar ao grupo como eles estão procedendo
relativamente ao desenvolvimento da solução do estudo de caso, de acordo com a
abordagem dos Sete Passos. Uma árvore é um tipo de grafo e tem como elementos nós e
arcos. No caso desta árvore os nós são uma representação das respostas dos estudantes e
os arcos representam as relações entre eles como "compreendido" pelo sistema. A
interface permite que os arcos sejam editáveis pelos estudantes. Por conseguinte, quando
eles discordam com o raciocínio do sistema eles podem modificar a representação
gráfica exibida. Além disso, quando o sistema está impossibilitado de gerar um vínculo
entre os nós, isto é, um arco, ele solicita que os estudantes que realizem esta tarefa.
A idéia de ter a árvore como uma representação é que os estudantes possam talvez fazer
decisões melhores e mais informadas ao longo do processo de solução. Nos
experimentos, um comportamento relativamente freqüente entre alguns dos pares de
estudantes foi abandonar todo um ramo da árvore ou até mesmo pular um passo da
metodologia para o desenvolvimento da solução, decrescendo assim a qualidade deste
processo. No entanto, a efetividade e eficiência desta ferramenta de representação não
foram testadas. Não sem tem nenhuma evidência que esta ferramenta de representação
terá os resultados esperados de quando foi concebida. O entendimento por parte dos
estudantes das suas respostas sendo representadas pelos nós da árvore e os arcos pelas
relações entre essas respostas é apenas potencial. Apesar de ter-se um material
experimental significativo para propor este tipo de representação, ainda não é certo que
os estudantes conseguirão fazer um mapeamento direto entre as contribuições para o
diálogo e o que é representado na interface.
Como conseqüência, a próxima fase deste trabalho é o design e a execução de
experimentos para testar a efetividade e eficiência da representação gráfica da solução
como uma árvore. A princípio, pretende-se descrever esta ferramenta de representação
de acordo com um conjunto de dimensões que desempenham um papel diferente no
design e no uso de representações em ambientes de aprendizagem baseados em
computador, de acordo com que de Jong et al. (1998) propõem para os domínios de
ciências e matemática. Estas dimensões são um modo para explorar as diferentes
representações que os materiais de aprendizagem podem ter, assim como avaliar as
virtudes e o uso de representações múltiplas em um ambiente. Estas são: perspectiva,
precisão, modalidade, especificidade e complexidade. Resumidamente, a perspectiva se
refere ao ponto de vista teórico levado em consideração na apresentação do material, a
precisão se refere ao nível de precisão na descrição (qualitativo x quantitativo), a
modalidade é o formato de representação, por exemplo, preposicional ou figurativo, a
especificidade diz respeito à economia na representação da informação e finalmente a
complexidade é relativa à quantidade de informação presente em uma representação.
Pretende-se realizar um estudo experimental com pares de estudantes ao longo das
mesmas linhas do segundo experimento, descrito no Capítulo 6. Isto proporcionaria
parâmetros interessantes de comparação para avaliar a efetividade desta representação.
Depois disso, baseado nos resultados obtidos com este experimento, algumas dessas
dimensões do design da ferramenta poderiam ser variados para melhorar sua eficiência.
7.4 Sincronicidade e Não-sincronicidade no Ensino a
Distância
Durante a última década a aprendizagem aberta (open learning) se tornou uma tendência
educacional estabelecida. O conceito de aprendizagem aberta, que foi comentado no
Capítulo 2, é abrir o ensino de forma a dar aos estudantes um papel muito maior em
decisões sobre o que aprender, como, quando, onde e com quem. Uma abordagem de
aprendizagem aberta permite aos estudantes negociar pessoalmente metas pertinentes e
então seguir diferentes caminhos de aprendizagem individual e diferentes ritmos
(horários) para alcançar essas metas. A rápida expansão do conceito de aprendizagem
aberta foi atribuída ao advento das novas tecnologias e aos desenvolvimentos nas esferas
econômica, comercial, social e política. Têm havido uma necessidade crescente, urgente
e rápida dos negócios e da indústria de se reorientarem e reestruturarem. Esses
desenvolvimentos levaram então à uma necessidade por reformas amplas e rápidas que
requerem mudanças não só na prática em geral, mas também uma reeducação e melhor
preparo da mão-de-obra. Satisfazer esta necessidade, no entanto envolve uma
reeducação e treinamento rápido da mão-de-obra. E, de forma a lidar com essas
mudanças rápidas de ritmo, os processos de reeducação e re-treinamento se tornaram
uma característica essencial do local de trabalho. Estas novas circunstâncias
exigem flexibilidade e diversidade em prover serviços de aprendizagem, de acordo com
as exigências específicas de organizações diferentes, diferenças entre os estudantes em
relação a quando e por quanto tempo eles podem estudar, estilos de aprendizagem,
conhecimento prévio, ritmo, necessidade de apoio ao aprendizado, instâncias
satisfatórias para o aprendizado e exigências de certificação (Marland, 1997).
Obviamente a aprendizagem aberta tem implicações para o ensino a distância, em
particular o ensino a distância baseado na World Wide Web (Web) ou na Internet. Como
foi colocado no Capítulo 2, uma das grandes reivindicações do ensino a distância
baseado na Web ou na Internet é sua possibilidade de dar condições para a aprendizagem
aberta, em contraste com as mídias que exigem sincronicidade, como por exemplo a
videoconferência. Isto é, a característica desta mídia (a Web e/ou a Internet) é de não
requerer sincronicidade no processo de aprendizagem quando um grupo de estudantes
está assistindo um curso a distância (que é o contexto para esta pesquisa). Entretanto, em
nossa proposta de aprendizado baseado em casos, uma sessão típica para resolver um
estudo de caso a distância de acordo com o design do sistema proposto (ver Capítulo 4,
Seção 4.3) envolve tanto a aprendizagem individual como a aprendizagem colaborativa.
Como conseqüência os estudantes tem uma restrição de tempo no sentido que em alguns
pontos eles terão que ter uma discussão on-line.
É importante enfatizar que a combinação entre a aprendizagem individual e a
aprendizagem colaborativa foi a nossa maneira de solucionar este problema. Apesar do
enfoque principal do sistema ser a aprendizagem colaborativa, o aprendizado individual
tem um papel importante e essencial neste processo de aprendizagem, como colocado na
Sub-seção 4.2.4.
Os que defendem a aprendizagem aberta ou a não sincronicidade do ensino a distância
poderiam questionar até que ponto existe a necessidade de sincronicidade na
aprendizagem colaborativa quando o método de casos é aplicado em um ambiente
baseado em computador. Isto pode ser por si só uma direção em que esta pesquisa pode
avançar e significa responder à pergunta: até que ponto o sistema pode proporcionar ou
permitir a não-sincronicidade? Um das possíveis respostas poderia ser que o sistema
administraria e armazenaria todas as contribuições dos diversos estudantes em um grupo,
de forma que seria possível para eles ter acesso ao histórico do processo de
discussão, seja ele feito síncrona ou assincronamente. O conceito de um estudante se
juntar a uma sessão já iniciada, o que já é possível com a versão atual do sistema, é uma
característica que facilita a implementação do conceito de não-sincronicidade.
7.5 Conclusão
Esta tese aborda várias questões, mas se concentra no que os estudos empíricos
realizados revelaram como central para o modelo de aprendizagem baseada em estudos
de casos aplicado a um sistema baseado computador para o ensino a distância que nós
propusemos. O presente capítulo discute questões adicionais, que têm uma relevância
para esta tese, e para o contexto atual da área de pesquisa a que esta pertence. Sendo
assim, essas questões representam novos direcionamentos para trabalhos futuros.
Além disso, a fase presente do desenvolvimento de sistema exige planejar e levar a cabo
um experimento tendo como sujeitos estudantes geograficamente dispersos que assistem
a um curso, de forma a avaliar sua efetividade num contexto real de educação de
distância. Consequentemente, a situação ideal para este experimento seria o cenário de
aprendizagem no qual esta pesquisa é baseada, ou seja, uma disciplina de um curso de
distância em engenharia de produção. Tal experiência permitiria uma avaliação da
implementação do sistema atual. Dessa forma nós obteríamos resultados estatísticos que
retratariam as variáveis do processo de aprendizagem e que dariam as diretrizes para o
refinamento do design do sistema ou até mesmo um novo design, dependendo dos
resultados.
Este eventual refinamento do sistema ou novo design enfocaria num maior grau o
provimento de funcionalidades para o professor que trabalha com o método de casos. A
princípio, o professor em qualquer disciplina deveria poder usar o sistema. Isto significa
que ele poderia modelar os casos de acordo com a sua especialidade na área. Da mesma
maneira, o sistema deveria fornecer para o professor as informações sobre os estudantes
e o processo de aprendizagem que aconteceram em uma dada sessão com o sistema (por
exemplo, para ele fazer uma avaliação) de um modo mais estruturado e mais fácil.
8 Conclusões
A presente tese se insere no contexto dos direcionamentos mais recentes, mostrados no
Capítulo 2, que a área de pesquisa de Inteligência Artificial na Educação (IA-ED) está
tomando. Tal fato é, em primeiro lugar, indicado pelo uso das novas tecnologias, nas
quais o modelo de educação proposto se baseia. Adicionalmente, pode-se dizer que o
sistema que implementa este modelo representa um sistema híbrido no sentido de que
mais de uma técnica de Inteligência Artificial (IA) é empregada para dar para ao sistema
as funcionalidades projetadas. A arquitetura baseada em agentes constitui a estrutura
para efetuar as comunicações através da rede e para implementar o raciocínio do sistema
nos seus agentes através da aplicação de regras de produção e da modelagem baseada em
restrições.
Além das perspectivas mencionadas no Capítulo 2, Hoppe (1999) acrescenta que a
pesquisa em sistemas inteligentes de apoio à aprendizagem recentemente experimentou
uma mudança de enfoque nos estudantes individuais para um enfoque nos grupos de
estudantes. Porém, ele mostra que o tutoramento de um grupo não pode se basear em
modelos cognitivos de aprendizagem em grupos no mesmo sentido que os Sistemas
Tutores Inteligentes se baseiam nos modelos cognitivos individuais. O autor coloca que
as interações do grupo por exemplo, forçam os designers de sistemas a redefinirem o
suporte inteligente à aprendizagem como inerentemente restrito a um insight parcial por
parte do sistema. Além disso, os agentes artificiais com conhecimento sobre o domínio e
os modelos de estudante podem, de uma variedade de maneiras, enriquecer e apoiar a
interação entre os estudantes em cenários de aprendizado em grupo. Dentro dessa
perspectiva, as funções de suporte inteligente à aprendizagem podem ser concebidas
como recursos locais em combinação com, por exemplo, apoio dos parceiros ou tutores
humanos.
Acredita-se que o sistema descrito nesta tese incorpora a priori, em sua concepção, estas
idéias. Tal sistema, ao dar suporte, guia o estudante ao invés de corrigi-lo. As decisões
finais sobre os aspectos relativos ao processo de aprendizagem fica, em sua maioria, a
cargo dos estudantes ou do grupo de estudantes. Nesse sentido, o papel do sistema é
apenas de aconselhar e registrar as ações dos estudantes.
Hoppe (1999) ainda argumenta também que aprender em um contexto social requer a
organização do processo de aprendizagem em tempo e espaço, além de tarefas e
aplicações únicas. Isto está levando os designers de sistemas na área de IA-ED a
conceber espaços tecnologicamente enriquecidos para aprendizado sob o aspecto de
gerenciamento integrado da informação da sala de aula. Neste sentido, o presente sistema
também aborda uma função relacionada ao gerenciamento da sala de aula, que em nosso
caso é atribuída ao professor que trabalha com o método de casos. Como foi discutido no
Capítulo 7, o sistema esta apto a lidar com um grupo de estudantes a distância, levando
em conta o processo de aprendizagem em cada indivíduo. E, em nosso ponto de vista,
esta função pode ser melhor realizada pelo sistema se comparada a um único professor
que administra uma sala de aula inteira.
Com respeito à aprendizagem colaborativa, Hoppe (1999) declara que a tecnologia não é
suficiente para fazer com que esta seja efetiva e eficiente. Da experiência prática, o autor
conclui que a própria cooperação já é um assunto de aprendizagem que tem que ser
apresentado e treinado. Em outras palavras, o desenvolvimento de princípios de design
para ambientes de aprendizagem colaborativa deve estar de acordo com ou até mesmo
tem que ser derivado de métodos pedagógicos. Esta tese possui as duas qualidades,
apresentando uma aplicação de um método educacional consolidado -aprender através de
estudos de casos - a qual em princípio demanda colaboração e dá aos professores e
estudantes que estão em um ambiente de educação de distância as condições para
trabalhar com este método.
Além disso, a presente tese está de acordo com duas das categorias nas quais Suthers
(1999) divide o trabalho de IA-ED. De acordo com o autor a primeira categoria pode ser
denominada "IA-ED forte" e trata do empreendimento de construir máquinas inteligentes
para ensinar. Idealmente tais máquinas "saberiam" muito sobre o assunto, sendo capaz
tanto de articular conceitos e princípios quanto de se engajar na resolução de problemas
como um especialista. A segunda categoria pode ser caracterizada como "IA-ED
minimalista" na medida em que, em vez de tentar simular um professor e/ou de modelar
as mentes dos estudantes, estes esforços proporcionam para as máquinas as habilidades
mínimas para responder de uma maneira educacionalmente relevante para a semântica
das atividades dos estudantes. A terceira categoria não tenta construir máquinas que
raciocinam, nem mesmo do tipo minimalista, mas entretanto constituem
uma contribuição da IA para a educação, e potencialmente até mesmo uma fonte ou test-
bed de idéias da IA. Este tipo de aplicação pode ser visto mais claramente no design de
notações representacionais. Uma sensibilidade da IA para as propriedades de
representações formais para o raciocínio automatizado pode ser aplicada à análise e às
representações externas do raciocínio humano como também do raciocínio de máquina.
Como afirmado anteriormente, as características da segunda e terceira categorias desta
classificação estão presentes neste sistema.
Em conclusão, o design do sistema apresentado nesta tese também contempla o que no
ponto de vista de Schank (1991) são as questões que devem ser consideradas em um
sistema de IA real e que pode ser ampliado. Isto é, o presente sistema identifica usuários
reais com necessidades reais, o que por um lado influencia as interações com o sistema e
por outro lado é parte do design original; é um sistema que não sabe o que o especialista
sabe, mas captura a especialidade sem ter que representar o conteúdo desta especialidade
completamente; usa a IA para lidar com um problema de engenharia de software; é
construído para ser útil e utilizável em um contexto real e finalmente torna o
conhecimento disponível de forma que será muito mais fácil construir o próximo sistema
no mesmo domínio.
Referências Bibliográficas
Anderson, L. W., & Burns, R. B. (1989). Research in classrooms: The study of
teachers, teaching and instruction. Oxford: Pergamon Press.
Barcia, R. M., Martins, A., Pacheco, R. C. S., & Steil, A. (1997). Virtual consulting and
training environment through the Internet. In Proceedings of the international
Conference on engineering education.
Bates, A. W. (1995). Technology, open learning and distance education. London:
Routledge.
Benyon, D., Stone, D., & Woodroffe, M. (1997). Experience with developing
multimedia courseware for the World Wide Web: The need for better tools and clear
pedagogy. International Journal of Human-Computer Studies, 47, 197-218.
Bieber, M., Vitali, F., Ashman, H., Balasubramanian, V., & Oinas-Kukkonen, H.
(1997). Forth generation hypermedia: come missing links for the World Wide Web.
International Journal of Human-Computer Studies 47, 31-65.
Brusilovsky, P., Schwarz, E., & Weber, G. (1996), ELM-ART: an intelligent tutoring
system on World Wide Web. In C. Frasson, G. Gauthier, & A. Lesgold (Eds.),
Intelligent tutoring systems (pp. 261-269). Berlin: Springer-Verlag.
Brustoloni, J. C. (1991). Autonomous agents: Characteristics and requirements.
Technical Report CMU-CS-91-204, School of Computer Science, Carnegie Mellon
University, http://www.cs.cmu.edu/afs/cs/user/jcb/papers/minor.ps
Burt, G. (1997). Face to face with distance education. Milton Keynes, UK: Open and
Distance Education Statistics.
Carter, K. (1992). Toward a Cognitive conception of classroom management: a case for
teacher comprehension. In J. H. Shulman (Ed.), Case methods in teacher education
(pp. 111-130). New York, NY: Teachers College Press, Columbia University.
Christensen, C. R., & Hansen, A. J. (1987). Teaching with cases at the Harvard
Business School. In C. R. Christensen, & A. J. Hansen, Teaching and the case
method: Text, cases, and readings (pp. 16-49). Boston, Massachusetts: Harvard
Business School.
Collis, B. (1995). Networking and distance learning for teachers: A classification of
possibilities. Journal of Information Technology far Teacher Education, 4 (2), 117-
135.
de Jong, T., Ainswoth, S., Dobson, M., van der Hulst, A., Levonen, J. Reimann, P.,
Sime, J., van Someren, M. W., Spada, H., & Swaak, J. (1998). Acquiring knowledge
in science and mathematics: The use of multiple representations in technology-based
learning environments. In M. W. van Sommeren, P. Reimann, H. P. A. Boshuizen,
& T. de Jong (Eds.), Learning with multiple representations (pp. 9-40). Amsterdam:
Pergamon.
Dillenbourg, P. (1999). Introduction: What do you mean by "collaborative learning"? In
P. Dilllenbourg (Ed.), Collaborative learning: Cognitive and Computational
approaches (pp. 1-19). Amsterdam: Pergamon.
Dillenbourg, P., Baker, M, Blaye, A., & O'Malley, C. (1996). The evolution of research
on collaborative learning. In E. Spada, & P. Reiman (Eds.), Learning in humans and
machines: Towards an interdisciplinary learning science. Oxford: Elsevier.
Doyle, W. (1990). Case methods in the education of teachers. Teacher Education
Quarterly, 17(7), 7-15.
Easton, G. (1982). Learning from case Studies. London: Prentice Hall.
Ertmer, P. A., Newby, T. J., & MacDougall, M. (1996). Studenfs responses and
approaches to case-based instruction: the role of reflective self-regulation. American
Educational Research Journal, 33 (3), 719-752.
Fenstermacher, G. D., & Soltis, J. F. (1986). Approaches to teaching. New York:
Teachers College Press.
Finin, T., Weber, J., Wiederhold, G., Genesereth, M., Fritzson, R., McKay, D.,
McGuire, J., Pelavin, R., Shapiro, S., & Beck, C. (1993). Specifícation of the KQML
agent-communication language, [draft]. http://www.cs.umbc.edu/kqml/kqmlspec.ps
Foner, L. (1993). What's an agent, anyway? A sociological case study, ln Proceedings of
the lst international Conference on autonomous agents.
http://foner.www.media.mit.edu/people/foner/Julia/Julia.html
Franklin, S. (1995). Artificial minds. Cambridge, Massachusetts: MIT Press.
Franklin, S., & Graesser, A. (1997). Is it an agent or just a program? A taxonomy for
autonomous agents. In J. Mueller, M. J. Wooldridge, & N. R. Jennings (Eds.),
Intelligent agents III (pp. 21- 35). Berlin: Springer-Verlag.
Garrison, D. R. (1993). Quality and access in distance education: Theoretical
considerations. In D. Keegan (Ed.), Theoretical principies of distance education (pp.
9-21). New York: Routledge.
Genesereth, M. R., & Ketchpel, S. P. (1994). Software agents. Communications of the
ACM, 147, 48-53.
Grant, G. E. (1992). Using cases to develop teacher knowledge: A cautionary tale. In J.
H. Shulman (Ed.), Case methods in teacher education (pp. 1-30). New York, NY:
Teachers College Press, Columbia University.
Grossman, P. L. (1992). Teaching and learning with cases: Unanswered questions. In J.
H. Shulman (Ed.), Case methods in teacher education (pp. 227-240). New York,
NY: Teachers College Press, Columbia University.
Hansen, A. J. (1987a). Suggestions for seminar participants. In C. R. Christensen, & A.
J. Hansen, Teaching and the case method: Text, cases, and readings (pp. 54-59).
Boston, Massachusetts: Harvard Business School.
Hansen, A. J. (1987b). Reflections of a case writer: writing teaching cases. In C. R.
Christensen, & A. J. Hansen, Teaching and the case method: Text, cases, and
readings (pp. 264-270). Boston, Massachusetts: Harvard Business School.
Harrington, H. L. (1995). Fostering reasoned decisions: Case-based pedagogy and the
professional development of teachers. Teaching & eacher Education, 11 (3), 203-
214.
Harrington, H. L., Quinn-Leering, K., & Hodson, L. (1996). Written case analyses and
criticai reflection. Teaching & Teacher Education, 12 (1), 25-37.
Hayes-Roth, B. (1995). An architecture for adaptive intelligent systems. Artificial
Intelligence, 72 (1-2), 329-365.
Herreid, C. F. (1996). A dilemma case on "animal rights". Journal of College Science
Teaching, 25,413-418.
Hoppe, H. U. (1999). Collaborative learning in open distributed environments -
pedagogical principies and Computational methods. International Journal of
Artificial Intelligence in Education, 10, 1090-1099.
Johnson, D. W., & Johnson, R. T. (1994). Learning together and alone. Englewood
Cliffs, NJ: Prentice Hall.
Kagan, D. M. (1993). Contexts for the use of classroom cases. American Educational
Research Journal, 30 (4), 703-723.
Kardos, G. (1979). Engineering cases in the classroom. In Proceedings of the national
Conference on engineering case Studies.
http://www.civeng.carleton.ca/ECL/cclas.htm
Keegan, D. (1991). The study of distance education: Terminology, definition and the field
of study. In B. Holmberg, & G. E. Ortner (Eds.), Research into distance education
(pp. 36-45). Frankfurt: Peter Lang.
Kent, T. W., Herbert, J. M., & McNergney, R. F. (1995). Telecommunications in
teacher education: Reflections on the first virtual team case competition. Journal of
Information Technology for Teacher Education, 4 (2), 137-148.
Khan, T., & Yip, Y. (1996). Pedagogic principies of case-based CAL. Journal of
Computer Assisted Learning, 12, 172-192.
Kinzie, M. B., Hrabe, M. E., & Larsen, V. A. (1997). Exploring professional practice
through an Instructional design team case competition.
http://curry.edschool.Virginia.EDU/go/Itcases/AECT97
Kleinfield, J. (1992). Learning to think like a teacher: The study of cases. In J. H.
Shulman (Ed.), Case methods in teacher education (pp. 33-49). New York, N.Y.:
Teachers College Press, Columbia University.
Kolodner, J. L. (1993). Case-based reasoning. San Mateo: Morgan Kaufmann.
LaBoskey, V. K. (1992). Case investigations: Preservice teachers research as an aid to
reflection. In J. H. Shulman (Ed.), Case methods in teacher education (pp. 1-30). New
York, NY: Teachers College Press, Columbia University.
Lander, S. E. (1997). Issues in multiagent systems design IEEE Expert, 12 (2), 18-26.
Lave, J. (1988). Cognition in practice. New York: Cambridge University Press.
Lester, J. C, Converse, S. A., Stone, B. A., Kahler, S. E., & Barlow, S. T. (1997).
Animated pedagogical agents and problem solving effectiveness: a large scale
empirical evaluation. In B. du Boulay, & R. Mizogushi (Eds.), Proceedings of 8th
world Conference on artificial intelligence in education (pp. 23-30). Amsterdam: IOS
Press.
Levin, B. B. (1995). Using the case method in teacher education: The role of discussion and
experience in teacher's thinking about cases. Teaching & Teacher Education, 11 (1),
63-19.
Linderman, B., Kent, T., Kinzie, M., Larsen, V., Asmore, L., & Becker, F. (1995).
Exploring cases on-line with virtual environments. In J. L. Schnase, & E. L. Cunnius
(Eds.), Proceedings of 1st international Conference on computer support for
collaborative learning (CSCL '95). http://www-
cscl95.indiana.edu/cscl95/linderman.htm
Maes, P. (1995). Artificial life meets entertainment: Lifelike autonomous agents.
Communications of the ACM, 38 (11), 108-114.
Maes, P. (1996). Intelligent software: Easing the burdens that computers put on people.
IEEE Expert, 11(6), 62-63.
Marland, P. (1997). Towards more effective open and distance learning. London:
Kogan Page.
McArthur, D., Lewis, M. W., & Bishay, M. (1993). The roles of artificial intelligence in
education: Current progress and future prospects. RAND, Santa Monica, CA, DRU-
472-NSF. http://www.rand.org/hot/mcarthur/Papers/role.html
McManus, M. M., & Aiken, R. M. (1995). Monitoring computer-based collaborative
problem solving. Journal of Artificial Intelligence in Education, 6 (4), 307-336.
Merseth, K. K. (1992). Cases for decision making in teacher education. In J. H.
Shulman (Ed.), Case methods in teacher education (pp. 50-63). New York, NY:
Teachers College Press, Columbia University.
Meyers, C, & Jones, T. B. (1993). Promoting active learning: Strategies for the college
classroom. San Francisco, CA: Jossey-Bass Publishers.
Mitrovic, A., & Ohlsson, S. (1999). Evaluation of a constraint-based tutor for a database
language. International Journal of Artificial Intelligence in Education, 10, 238-256.
Moore, M. G. (1997). Distance education theory. K-12 Distance Education, Learning,
Instruction and Teacher Training, 5, 1-7.
Moore, M. G., & Kearsley, G. (1996). Distance education: A systems view. Belmont, CA:
Wadsworth Publishing Company.
Müller, J. (1998). Architectures and applications of intelligent agents: a survey. The
Knowledge Engineering Review, 14 (4), 353-380.
National Center for Supercomputing Applications. (1998). NCSA Habanero
environment, http://havefun.ncsa.uiuc.edu/habanero/
Nipper, S. (1989). Third generation distance learning and computer Conferencing. In R.
Madson, & A. Kaye (Eds.), Mindweave: Communication, computers and distance
education. Oxford: Pergamon.
Nwana, H. S. (1996). Software agents: An overview. The Knowledge Engineering
Review, 11 (3), 205-244.
Oram, I. (1996). Computer support of learning from cases in management education.
Innovations in Education and Training International, 33 (1), 70-73.
Parkes, A. P., & Self, J. A. (1990). Towards "interactive video": A video-based intelligent
tutoring environment. In C. Frasson, & G. Gauthier (Eds.), Intelligent tutoring
systems: At the crossroads of artificial intelligence and education (pp. 56-82).
Norwood, NJ: Ablex Publishing Corporation.
Peters, O. (1991). Towards a better understanding of distance education: Analysing
designations and catchwords. In B. Holmberg, & G. E. Ortner (Eds.), Research into
distance education (pp. 48-57). Frankfurt: Peter Lang.
Petrie, C. (1996). Agent-based engineering, the web, and intelligence. IEEE Expert, 11
(6), 24-29.
Resnick, L. (1987). Learning in school and out. Educational Researcher, 16, 13-20.
Rich, M. (1995). Supporting a case study exercise on the World Wide Web. In D.
Jonassen, & G. McCalla (Eds.), Proceedings of the international Conference on
computers in education (pp. 222-228). Charlottesville, VA: AACE.
Richards, L. G., Gorman, M. E., & Scherer, W. L. (1995). Case-based education in the
age of Internet. In D. Budny, R. Herrick, G. Bjedov, & J. B. Perry (Eds.),
Proceedings of the ASEE/IEEE frontiers in education 95 Conference.
http://FrE.www.ecn.purdue.edu/FrE/asee/fie95/2c5/2c53/2c53.htm
Robertson, J., Good, J., & Pain, H. (1998). BetterBlether: The design and evaluation of a
discussion tool for education. International Journal of Artificial Intelligence in
Education, 9, 219-236.
Rosatelli, M. C. (1998a). A web-based system to support group activity in distance
learning from case Studies. First-Year Report, Computer Based Learning Unit,
University of Leeds.
Rosatelli, M. C. (1998b). Supporting group activity in distance learning from case
Studies. In Proceedings of the human-centred technology workshop'98 (pp. 32-33),
Brighton, UK.
Rosatelli, M. C, & Self, J. A. (1998). An empirical qualitative study on collaborating at
a distance to solve a case study. Technical Report 98/27, Computer Based Learning
Unit, University of Leeds.
Rosatelli, M. C, & Self, J. A. (1999). Supporting distance learning from case Studies.
In S. P Lajoie, & M. Vivet (Eds.), Proceedings of 9th international Conference on
artificial intelligence in education (pp. 457-564). Amsterdam: IOS Press.
Roschelle, J., & Teasley, S. (1995). The construction of shared knowledge in
collaborative problem solving. In C. E. O'Malley (Ed.), Computer supported
collaborative learning (pp. 69-100). Berlin: Springer-Verlag.
Russell, S. J., & Norvig, P. (1995). Artificial intelligence: A modem approach.
Englewood Cliffs, NJ: Prentice Hall.
Sandberg, J. (1999). Trends and issues in Al and education: Towards a common research
framework. International Journal of Artificial Intelligence in Education 10, 1010-
1019.
Schank, R. C. (1990). Case-based teaching: Four experiences in educational software
design. Interactive Learning Environments, 1, 231-254.
Schank, R. C. (1991). Where's the AI? Artificial Intelligence Magazine, 12 (4), 38-49.
Schank, R. C, & Abelson, R. P. (1977). Scripts, plans, goals and understanding.
Hillsdale, NJ: Lawrence Erlbaum.
Schank, R., Kass, A., & Riesbeck, C. (1994). Inside case-based explanation. Hillsdale,
NJ: Lawrence Erlbaum.
Schõn, D. A. (1983). The reflective practitioner: How professional think in action. New
York: Basic Books.
Schõn, D. A. (1987). The crisis of professional knowledge and the pursuit of an
epistemology of practice. In C. R. Christensen, & A. J. Hansen, Teaching and the
case method: Text, cases, and readings (pp. 241-253). Boston, Massachusetts:
Harvard Business School.
Self, J. A. (1988). Student models: What use are they? In P. Ercoli, & R. Lewis (Eds.),
Artificial intelligence tools in education (pp. 73-86). Amsterdam: North-Holland.
Self, J. A. (1995). Computational mathetics: Towards a science of learning systems
design, http://www.cbl.leeds.ac.uk/~jas/cm.html
Sherry, L., & Morse, R. (1995). An assessment of training needs in the use of distance
education for instruction. International Journal of Educational Telecommunications,
1 (1), 5-22.
Shoham, Y. (1993). Agent-oriented programming. Artificial Intelligence, 60, 51-92.
Shulman, J. H. (1992). (Ed.). Case methods in teacher education. New York, NY:
Teachers College Press, Columbia University.
Shulman, L. S. (1992). Toward a pedagogy of cases. In J. H. Shulman (Ed.), Case
methods in teacher education (pp. 1-30). New York, NY: Teachers College Press,
Columbia University.
Sowa, J. F. (1984). Conceptual Structures: Information processing in mind and
machine. Reading, MA: Addison-Wesley.
Sowa, J. F. (1992). Conceptual graphs summary. In T. Nagle, G. Nagle, L. Gerholz, & P.
Eklund (Eds.), Conceptual Structures: Current research and practice (pp. 3-52). Ellis
Horwood.
Suthers, D. D. (1999). Representational bias as guidance for learning interactions: A
research agenda. In S. P Lajoie, & M. Vivet (Eds.), Proceedings of 9th international
Conference on artificial intelligence in education (pp. 121-128). Amsterdam: IOS
Press.
Sycara, K., Pannu, A., Williamsom, M., & Zeng, D. (1996). Distributed intelligent
agents. IEEE Expert, 11 (6), 36-45.
Tersine, R. J. (1988). Principies of inventory and materiais management. 3rd Ed. New
York, NY: North- Holland.
Thiry, M. (1999). Uma arquitetura baseada em agentes para apoio ao ensino a
distância. Tese de Doutorado, Programa de Pós-Graduação em Engenharia de
Produção, Universidade Federal de Santa Catarina.
Thiry, M., & Barcia, R. M. (1999). Agent-based architecture to support distance
learning. In Proceedings of the argentine Symposium on artificial intelligence.
Thiry, M., Barcia, R. M., & Khator, S. (1998). Personal assistance: An intelligent
hybrid system approach. In Proceedings of the industrial engineering research
Conference.
Thiry, M., Barcia, R. M., Khator, S., & Martins, A. (1998). Intelligent agent-based
approach for distance learning. In Proceedings of the international Conference on
engineering education.
van Someren, M. W., Boshuizen, H. P. A., de Jong, T., & Reimann P. (1998).
Introduction. In M. W. van Someren, P. Reimann, H. P. A. Boshuizen, & T. de Jong
(Eds.), Learning with multiple representations (pp. 1-5). Amsterdam: Pergamon.
Wenger, E. (1987). Artificial intelligence and tutoring systems. Los Altos, CA: Morgan
Kaufmann.
Willis, B. (1993). Distance education: A practical guide. Englewood Cliffs, NJ:
Educational Technology Publications.
Wooldridge, M. J., & Jennings, N. R. (1995). Agent theories, architectures and
languages: A survey. In M. J. Wooldridge, & N. R. Jennings (Eds.), Intelligent
agents (pp. 1-22). Berlin: Springer-Verlag.
Yin, R. K. (1994). Case study research: Design and methods. 2nd Ed. Thousand Oaks,
California: Sage Publications.
Zeichner, K. M., & Liston, D. P. (1987). Teaching students teachers to reflect. Harvard
Educational Review, 57 (1), 23- 48.
Apêndices
Apêndice A
Estudos de Casos em Engenharia de
Produção
No Apêndice A apresentamos três estudos de casos no domínio de Engenharia de
Produção. Eles são da disciplina de Controle de Inventário e Administração de
Materiais, no tópico of Just-In-Time e Inventário de Materiais em Processo (Tersine,
1988). Esses casos estão modelados de acordo com a estrutura teórica proposta nesta
tese, com o objetivo de exemplificar o funcionamento do sistema
Estudo de Caso 1: Breakaway
The Breakaway plant in Tulsa Oklahoma manufactures medium voltage circuit breakers
to customer specifications. The Company understates its product line when it advertises
it offers two basic models. Because of the many options available to customers,
numerous product configurations can be built and sold to a broad customer base. Thus,
breakaway is recognised for its wide selection despite its simplistic appeal. It also is
known for its unique, innovative designs and for the high quality of its produets.
The Tulsa plant is departmentalised into the following áreas: fabrication, machine shop,
plating and painting, subassembly, final assembly, testing, and packing. Parts
fabrication, subassembly, and final assembly all do their own weekly scheduling of
production, and each operates duplicate Unes for processing. Furthermore, all three
áreas are trying to increase lot sizes in order to gain economics of scale. The production
planners charged with determining the lot sizes are very enthusiastic about improving
produetivity. Department heads have set forth produetivity goals for their respective
áreas.
One reason the department heads are keen on long production runs is the prevailing
attitude at Breakaway toward production changeovers. Set-ups at Breakaway are viewed
as production interferences. For example, a typical set-up in sheet metal fabrication is
estimated to take one hour away from production time. Changeovers in metal fabrication
are done by individuais who must adjust different dies without assistance. Because of the
many differences in the heights of the dies, the changeovers vary in procedure and
duration. Changeovers are complicated not only by the Compensation for die heights but
also by the awkwardness and rigidity of some of the clamping devices which must be
adjusted.
One of Breakaway's Corporation consultants thinks the Tulsa plant would be a good
starting place for Studying productivity improvements which eventually could be copied
at other plants. The consultant wants to focus on inventor}' reduction as a key to
improving productivity throughout the entire organisation. Because of recent familiarity
with the potential benefits of just-in-time (JIT), the consultant wants the Tulsa plant to
commit itself to a JIT program. The JIT principie to receive the greatest emphasis is the
elimination of inventory waste.
What problems will be encountered when implementing a JIT program at the Tulsa
plant? Are any of these common to most organisations embarking on a JIT program?
What factors may be criticai to the success of a JIT program (at Breakaway in particular
and at any other organisation)? If such a program were successful, what results could be
expected? Do you recommend a JIT program for Breakaway 's Tulsa plant? If so, on
what scale? What introducion' steps should be taken during a JIT implementation?
Estudo de Caso 2: Multifaceted
Octagon was founded in 1968 by John Tuxley, who was an established builder and
general contractor. He developed the idea of a prefabricated home which could be built
cheaply and assembled easily. The home was extremely heavy and awkward to move, so
John carne up with the idea of a tower crane. He built a prototype which performed
excellently and soon found that people were far more interested in his crane than is his
prefab house. As a result, he started Octagon Manufacturing Company and began to
produce tower cranes for industry.
When Octagon first went into production, Operations ran smoothly. In more recent years
the plant has experienced a rash of bottlenecks, late deliveries, customer cancellations,
increased costs, reduced quality, and increased manufacturing cycle times (the usual
four weeks increased to seven or eight weeks). The updated had reports continually
revealed increased backlogs. What worsened the work had status was the rise in the
volume of customer orders and government contracts. Orders had risen by
approximately 25% in each of the preceding two years, but firm orders for the first
production period of the current year were down for the first time over ten years.
When operation were progressing methodically, most jobs were processed on a first-
come, first-served basis. Nowadays orders often accumulate over Several weeks. The
accumulated orders plus any incoming orders are classified by type and size and then
assigned to the work centres. The loading of assignment of tasks to a particular work
centre is done so as to minimise the number of times the machinery has to be set-up. For
each machine centre (i.e., cutting, welding, casting, etc.) a list is prepared of all orders
to be processed in the next two week period. Jobs at each work centre are processed to
reduce set-ups and to shorten queue time with the saving of set-up costs as the number
one priority.
Set-ups have an average cost of U$ 250,00 so any rush jobs which require additional set-
ups are deemed too costly. The set-up priority Schedule is rarely altered once it is
completed, and tampering with it is protectively disalhwed. However, some members of
Octagon management think that the tight schedules are the primary cause ofdelays and
bottlenecks. Manufacturing lead times have become excessively long, and they assert this
is due to the large accumulation of in-process inventory. It is also their assertion that
proper scheduling could reduce in-process inventory by at least 30 %. Although limiting
set-ups may have kept production economical from one standpoint, it is causing
inefficient compromises ofcompeting goals, e.g., reduction of inventory costs.
This group of adversaries is pushing for a new scheduling system based on a
restructuring of goals and priorities. Their position rests with the following
assumptions: first, Octagon 's situation is faltering due to poor scheduling, and second,
Octagon is failing due to the adoption of misdirected goals. li is their belief that the
basic criteria on which job shops compete, specifically cost, delivery, and quality, are
not receiving sufficient focus. These adversaries have issued a Challenge: "All of the
Competitive criteria will be improved within a trial phase of a scheduling technique that
incorporates unprecedented set-ups."
As preliminary steps to devising a new Schedule, Studies are being performed on various
aspects of plant activity, and process times are being computed at the work centres. A
mean time for each job shop centre is to be formulated by averaging a sample of the
activities. These estimates will determine the capacity. Plant personnel are being
questioned as to which Operations have proven to cause bottlenecks, and these particular
Operations will receive isolated study with subsequent closer estimation of time ranges.
Job completion dates will be based on forward scheduling, but the actual way to
sequence the orders is still under consideration. Lastly, the new scheduling method will
reflect the following policies: changing priorities, use of overtime, tracking of progress,
and necessary revisions:
How is the competition affected by the old policies? Could the Challenge be more
effective? Are the dispatching rules acceptable under the old plan? What are some
suggestions for the new plan? Since it is practically impossible to develop "the" optimal
Schedule in a job shop, would the new plan at least be satisfactory? How will in-process
inventory be affected by any Changes?
Estudo de Caso 3: The Solution
Acacia Company produces a line of solid wood furniture. The production process is such
that only about 20% of the process remains after the component parts are produced and
ready for assembly. In other words, 80% of the process is making component parts, and
20% is final assembly and finishing. Some of the parts, which require excessive set-ups
and long lead times, are produced in double order quantities. A typical production mn
for these parts would entail 33% of annual demand or four months' production supply.
For this reason in-process inventory is high. The
manufacturing of components incurs large storage space requirements, a costly
inventory Control system, and long cycle times.
The problem that is perplexing to the Company is that all of the components parts of a
unit are frequently not ready for final assembly at the scheduled time. Typically, some of
the more elaborate components requiring the longest manufacturing lead times arrive
late, but this has not been the rule for the basic parts. Mr. Bari was recently employed to
apply modem techniques in the solution of this problem. Mr. Bari 's original proposal
was that the firm needed to create an even more complete in-process inventory of
component parts ready for final assembly. He also planned an alternative action in the
event the increased inventoiy proposal was rejected: hefelt the problem could be
resolved equally well by increasing production rates. However, while continuing to
research his proposals, he made the following Observations:
1. Establishment of an increased parts inventory would be difficult because of lack of
available production time. All of the production facilities are fully utilised at présent.
Often, parts in process are held up to let rush orders continue through.
2. Production of some component parts is not in accord with economic production
quantities, either because of insufficient raw materiais or because of competition for
production capacity.
3. Expansión of the component inventory seems inadvisable because of the likelihood
of deterioration. Large expansión also appears risky, since the type of modem
furniture produced by Acacia is subject to a higher rate of obsolescence than is
typical in the furniture industry.
After considering these points, Mr .Bart wondered if the real problem /night be
production capacity and not insufficient inventories of components. Consequently he
decided that his second proposal was the better. In order to solve the capacity problem
the production rate for components must be increased.
Would the proposed increase in component production be a workable solution? Does the
structuring of a capacity requirements plan seem integral to Mr. Bart's proposal? Might
raw material requirements also be crucial to the firm 's capacity? Are there other
aspects of Acacia 's operation that needs analysis, e.g. schedules?
Apêndice B
Extratos do Diálogo e Arvores de Solução
No Apêndice C apresentamos os extratos do diálogo e em seguida as árvores de solução
geradas para os cinco pares de estudantes que participaram do experimento 2 (ver
capítulo 6, Seção 6.2). Os extratos do diálogo foram tirados dos arquivos do chat e do
editor de texto
1
. Para um melhor entendimento, partes do diálogo que se referiam às
respostas para as perguntas dos passos forma selecionadas, editadas e convenientemente
numeradas. Isso significa extrair do texto (ou do chat ou do texto do editor) as respostas
para as perguntas e numerá-las com números que correspondem aos dos nós da árvore de
solução. Sendo assim, os números mostrados entre parêntesis que se seguem a uma
palavra indicam ou que a palavra foi selecionada como uma palavra-chave (se o número
estiver em negrito) numa sentença no nível n pelo mecanismo de parsing (explicado no
Capítulo 5, Seção 5.2.4) ou que esta é uma palavra encontrada pelo mecanismo de
parsing no nível n-1 que casa com a palavra-chave escolhida no nível n (se o númerto
não estiver em negrito). Essas sentenças representam as ocorrências quando as regras se-
então que envolvem o procedimento de parsing (R5 e R6) foram aplicadas para fazer o
link.
1 Par 1
1.1 Extratos do Diálogo
Passo 1
>1.1 Student Sam is not willing to party to the dissection (1) practical and therefore
request that he be excused from that.
Em princípio os extratos eram para ser extraídos do editor de texto mas houveram casos em que os
estudantes responderam diretamente durante a conversa no chat.
>1.2 He is citing his rights of not being forced to something against his will.
>1.3 He does not see the point of continuing to run the biology experiments in the way
the course is arranged, therefore calling on course tutor to change his approach.
>1.4 The biology course is traditional. Its content is well established.
>1.5 The teacher (2), Bill, is experienced and well respected.
>1.6 Sam does not want to do the dissection (3) experiment.
>1.7 Sam is a good Student.
>1.8 Sam has thought about his arguments carefully.
>1.9 Bill is prepared to shift his point of view.
>1.10 There are alternatives to the dissection which could be considered.
Passo 2
>2.1 Is dissection (1) really necessary for the course? If it isn't then Sam no longer has
a problem!
>2.2 Since the teacher (2) seems to be agreeing with his point of view that it could be
learnt in other ways that means his problem is solved isn't it?
>2.3 If we assume that dissection (3) is necessaiy for some of the students on the
course, then the teacher has to decide which students should do the practical and which
Passo 3
> 3.1 Split the group.
>3.2 Abandon dissection completely
>3.3 Keep the group together but al low a range of activities.
...
Passo 4
...
>4.1 resources implications (4)
>4.2 may be a problem for those going on to major in medicine (5).
>4.3 may be a problem (6) for the squeamish in the group .
Passo 5
>5.1 cost implications (4) in staffing
>5.2 might create two perceived 'classes' of Student.
>5.3 Upsets the traditionalists
>5.4 Might be a disadvantage to those going on to study medicine (5)
>5.5 Alternatives (7) would have to be found.
>5.6 problems (6) for the squeamish
>5.7 may be difficult to closely monitor and guide accordingly
>5.8 the teaching assistants would need retraining in a different way of teaching.
159
Passo 6
>6.11 would go for the third way! There are alternative (7) activities that could replace
dissection and videos could be made while the assistants were having their Friday
training sessions. Its fine as that will utilise cbl facilities and end cruelty on animais.
Yes. In the end, enough resources might be built up to remove the need for dissection
Passo 7
>7.I We have decided to keep the class together but to present students with a free choice
of related activities including dissection, videos of dissections, multimedia presentations,
text books and diagrams. The staff could continue with their Friday training sessions at
which the videos could be made. Resources would be built up over time and might
completely replace dissection if it were no longer required or was not wanted by future
generations of students. The cost would be spread over Several years.
1.2 Árvore de Solução
2 Par 2
2.2 Extratos do Diálogo
Passo 1
>}. 1 Sam Ballard - Biology Student who oppose the animal (1) dissecting in bio lab >1.2
Prof. Bill Torkey in dilemma about animal (2) dissecting due to Strong argument from
Sam
>1.3 Actually students can use animal (3) models when they work in the lab
>1.4 Should Prof Bill re-evaluate his teaching approach?
Passo 2
>2.1. Could Animal (1, 4) Model being used to replaced real animal in Biology
Laboratory
>2.2 Should the Biology Student dissect the animal (2, 5) when they study about that,
because they (another Student) always do it?
>2.3 How effective the Biology experiment without using real animal (3)
>3.1 Making the models of animal (4, 6, 8) that look like similar, like synthetic animal
made from poly, plastic, or whatever
>3.2 Divide the class (7) in two session one use real animal (5) second one use model
or using multimedia or refer to video clip.
...
Passo 4
>4.1 Many manufacture or factory built
>4.2 The number of population of animal (6) which usually being used in the lab will be
increased.
>4.3 The Student can'tfeel the "real" experiment
>4.4 Lecturer will take longer time to conduct the experiment since they need to hand le
two class (7)
>4.5 Conservation group will oppose the idea since animal (8) dissection still happen.
Passo 5
>5.1 Many animal model factory will be built and new job was created, so jobless will
decrease
>5.2 Many animal farmer will close their business due to low demand and their worker
need to find new jobs
> 5.3 Conservation group quite happy since students use animal models
>5.4 New responsibility to lecturer
>5.5 Conservation group still continue for animal right
Passo 6
>6.1 THE BEST ALTERNA TIVE TO PICK ALTERNA TIVE 2
Passo 7
> can 7 make a well decision for evetyone satisfactory . Every decision have their pro
and con. we need to choose which is the best based on our requirement. Human and
animal being is important, but is there science being?
r
2.2 Arvore de Solução
3 Par 3
3.1 Extratos do Diálogo
Passo 1
>1.1 Sam doesn't (1) like the dissecting labs
>1.2 he thinks that all animais have the right to be free of pain
> 1.3 he thinks that his major doesn't require these labs
>1.4 Bill (2) thinks that biology is important for every Student especially, this is a kind
of framework. All the information, we can not just see from one side of the view.
>1.5 Although Bill thinks it is important for the students (3) to have these labs, he
wonders that all the students hate it
>1.6 I think Bill is afraid of the results if he is going to give alíernatives to Sam
>1.7 He seems that he is concerned about every thing that he did.
Passo 2
>2.1 Sam doesn't (1) want to join the labs (4), he wants an alternative (7)
>2.2 Bill (2) understand the situation but he doesn't (5) know the right solution
>2.3 even if he knows the solution (6) and give to Sam he is worried of the other
students (3) to ask for the same thing which is going to cause him problems (8).
...
Passo 3
...
>3.1 Sam 's suggestions are ok. Yet, also he can read widely instead of labs (4, 10).
>3.2 Although sometime labs are very important to biology. But if the Student doesn't
(5) like to do the work he will not get any thing out of it
>3.3 If Bill (11) wants to give a solution (6) for Sam, he needs to do so but he have to
take this problem into account in the future for all the students but for the moment he
mustn 't give the other students the chance.
>3.4 I think Sam will (9) be ok with the alíernatives (7) but Bill will face a lot of
question from the students and may be from lhe staff!!
>3.5 As a group work, it always has some problems (8). Bul for the true, they also can
share some ideas during the work.
...
Step 4
not answered
Step 5
>5.1 Sam will (9) be happy and he also can find out a lot of experimental results by
himself
>5.2 Both of them can improve the knowledge from collaborate learning. >5.3 If Sam
can not find the interesting from the labs (10), he will lose all his interest from the
knowledge. Maybe he will Start to escape the lesson.
>5.4 But it could happen what about Bill (11, 12) as I said before he will face problems
with other students
Passo 6
>6.1 I have only one solution that I mentioned before and I think Bill (12) needs to test
many alternatives and choose the best. I think the best thing to be done is that Sam given
the best alternative and to take this problem into a serious discussion
Passo 7
not answered
r
3.2 Arvore de Solução
4 Par 4
4.1 Extratos do Diálogo
Passo 1
>1.1 animais have rights that they should not be used for experiment
> 1.2 Animais' dissection (1) - who support it and who don' t
>1.3 since few students (2) have problems with dissection, this should be taken care of
>1.4 Scientists have " the right" to kill animais for the good (3) of humanity
>1.5 Other kind of experimentation less harming such as videos and diagrams in
textbooks can and should be used
Passo 2
>2.1 students who are scared of dissection (1) have no solutions for their problems
>2.2 we are not able to solve those students (2) problems!!!
> 2.3 The dilemma of killing alive creatures for the good (3) of some others will always
exist even though we get to conclusions
>2.4 students with problems (with dissection) should be taken care of
Passo 3
>3.1 students who are afraid of dissection (4) should be taken care of
>3.2 dummy animais can be used to do dissection (7) with, specially in school labs
>3.3 they can practice that using computer simulation software, if available
>3.4 They should be aware (students (6)) of this feeling against killing animais for
whatever reason so not to choose any course that has to do with killing animais
Step 4
>4.1 A better treatment of all these people (7) who are against (9) dissection (4) will be
a relief for them.
>4.2 the operation of dissection (5, 8) could be Changed by using computer (10) and
dummy animais
>4.3 Less students (6) having this problem would exist if they knew from them be
carried out a possibility of using the new technology in schools
Passo 5
>5.1 a solution at least will save the lives of the poor animais and it will help some
people (7)
>5.2 this will also benefit those companies which will produce dummies for a purpose
of dissection (8)
>5.3 The creation of dummy animais (11) seems to be most convenient solution for
experimental animais and for those who are against (9) dissection
>5.4 Sam should use the computer (10) simulation to work out his dissection classes
• • •
Passo 6
>6.1 Display more the creation of dummy animais (11) and Sam should use the
computer simulation to work out his dissection classes
Passo7
not answered
4.2 Árvore de Solução
5 Par 5
5.1 Extratos do Diálogo
Passo 1
>1.1 Sam has a big problem with any part at all with the killing of animais (2, 3) and
ultimately having to dissect them in order to pass this module and gain his degree in
environmental Studies and then go on to do his law stuff >1.2 Sam is a very serious
Student (1)!
Passo 2
>2.1 Few students (1,4) would have practical experience of cutting
>2.2 Could spell the end due to lack of economics of scale in dead animal (2)
preserving purchases!
>2.3 By allowing Sam alternatives to dissecting dead animais (3) to learn this module
this could mean the end of lab work due to other students wanting to not do it either
because they hate it - could lead to introduction of other methods-perhaps 2 exams -one
for practical and one for others.
Passo 3
...
>3.1. Students (4, 6) have choice but there will be 2 exams (5) leading to qualifications
with practical dissecting and one with no experience just theory!
Passo 4
>4.1. One exam (5) will be more practical (9), and will be required by Vets etc
>4.2 The students (6, 8) can make a choice. >4.3 No animais (7) will be killed
needlessly.
Passo 5
>5.1 Pros: less animais (7) killed;
>5.2 Student (8) animal (10) sympathiser informed choice;
>5.3 module completed;
>5.4 may lead to new ways or technologies instead of dissecting!
>5.5 Cons: May lead to end of all practical (9) dissecting in the college!
>5.6 Dumping down of course: One Course may become better then the other and then
you need to Separate courses as one course or module makes you less qualified!
Passo 6
>6.1 I guess the alternative exam theory will have to be presented to Senate. It will make
good PR, and stop the animal (10) rights people blowing up the labs. A computer
simulation can do just as good a job - medicai students are happy to practice with
simulations whether you have practical knowledge or not! Perhaps new technologies
will eventually be so realistic that there will be no need for Practical dissection—but
that's really ahead in the future—star trek!
Passo 7
>7.1 Torkey should allow Sam and any other Student to miss out on any real dissecting
and sit the exam providing that this is marked someway in the final mark! (or on the
module qualification). But this may lead to the end of all dissections due to lack of
economics of scale if all the students, but one, decide toforgo the practical route.
5.2 Árvore de Solução
Apêndice C:
Estudo de Caso: A Dilemma Case on "Animal Rights"
(Herreid, 1996)
"And so if there are problems with registration, please see Ms. Lampier up here now.
She'll be over in that corner, " Professor Bill Torkey waved his hand to the right. "Til be
over here to handle all other questions that I may not have answered in my general
discussion of the course. Remember labs don't Start until next week. See you next
Wednesday."
Torkey quickly straightened his notes and slipped them into the brown file folder and
watched the chãos develop at thefront of the large lecture hall. The first day of General
Biology at the University. It was always the same. Three hundred young strained faces
peering from dozens ofrows into the lecture pit wondering what was going to happen
here. They had heard the usual stories about the course. It's incredibly tough but
rewarding if you worked your tail off. The lectures were exciting but the exams
impossible. The labs were a mixed bag; some too simple, others ridiculous in what they
demanded in the way of memorisation, but there was one Compensation - the teaching
assistants were superb. Bill Torkey had a reputation among the graduate students for
demanding excellence in their Preparation for each lab session and he held long training
sessions each Friday to work out problems that might develop during their teaching. He
had even got University Honours students to volunteer to help the graduate students so
that each of the fourteen lab sections had two teaching assistants.
The first class closed their books, scrapped their chairs back and began heading far the
exits. Students with problems - there were always a lot the first day - headed for the front.
The anxious types who were afraid of getting closed out of the class made a hurried
scramble for Ms. Lampier, who implacably as ever, began the process of sorting
problems and handing out signup sheets. Torkey looked at the swirling sea of faces about
him clamouring for his attention and had one last thought before he turned to the
individuais awaiting his attention. What an array of diversity in a public
University of New York. How it had Changed in his twenty-five years of teaching.
Students from every conceivable culture were there sitting in his classroom: Chinese,
Vietnamese, Japanese, Colombian, Russian, Iranian, African and Indian along with
second and third generation Europeans. There were even one or two Native Americans
in his class this year. The American classroom was incredible.
Then the questions carne. "I have a conflict with the first exam. Can I arrange an
alternate time?" "Can I change my lab from Mondays to Tuesdays?" "Do you have any
more handouts?" "I haven't been able to buy the book, will this one do just as well?"
"Should I... Will you ... ? Can we ... ?" Torkey rapidly answered or delayed most of the
questions that bubbled up from theforty students clustered about the lectern. He had
timed it well, for Charles Sargent from the philosophy department had the classroom
next and his students were coming in. His day was just beginning.
One last Student remained for Torkey, a serious faced Student he had seen before in one
of his freshman honours seminars last semester. "Well, Mr. Ballard, whats on your
mind? "
"I would like to speak to you about a serious conflict that I may have with some of the
laboratories. I didn 't want to cause any difficulties so I waited until the other people
were gone. Its about the dissecting labs, I am philosophically opposed to them. "
Bill Torkey sighed to himself as he realised that this would take more than a moment and
said, "Come on over to my office so we can talk about this. Do you have a minute? "
After a brief stroll across campus, while they talked amiably about other matters, Sam
Ballard sat in BilTs office.
"Let me see if I understand this, Sam. You don't want to dissect any animais because
you'rephilosophically opposed to it? "
"Yes, I don 't believe that I should be a party in the death of any animal. "
"Why is that?"
"All animais have the right to be free of pain. And I don't think any one has the right to
subjugate and exploit animais simply for their own end. "
"Sam, this is a Biology course. You knew when you signed up that there was dissection
involved. Why did you take this class? You could have taken physics, chemistry or
geology to complete your science requirements. "
"Well, I considered that. But I like biology. In fact, I am majoring in Environmental
Studies and they require that I take this course in order to graduate. I don't have any
choice."
"Sam, I agree with them. It's logical that you know something about animal anatomy and
physiology if you are going to study Environmental Studies. In fact, I think every Student
should know the fundamentais ofanatomy regardless of their major. It's part of becoming
an educated person. And it sure doesn't make any more sense for a major in
Environmental Studies to be allowed to bypass dissection than it does for someone who
is a pre-vet. or pre-med. Student. It's part of understanding the animal. "
"But I plan to be a lawyer and specialise in environmental law. I don 't see why I need to
have the experience of working on a pickled dead animal which doesn't look anything
like the real thing in order topass this course or to graduate. "
"Obviously, I don't agree with you. Nor for that matter does the Department of
Environmental Studies. It is their requirement, not mine, that you take this course. So
what do you suggest is the solution to this problem? "
"I'm not asking that you drop all of the dissection labs, although I think that is the
correct thing to do. What I am asking is that I not be forced to dissect an animal. I would
be happy to work on models, or look at videos or look at diagrams in textbooks to learn
the material. Vil take the same tests as everyone else. I will be happy to do any extra
work, a paper or project or anything. Ijust don't want to kill or cut up anything. "
Bill Torkey leaned back in his chair listening. This wasn't his first Student to Challenge
the time honoured dissection approach to biology labs, but Sam Ballard was certainly his
most serious Student. Biology wasn't the same as it used to be. It was mostly cellular and
molecular stuff today. Did students really have to dissect a frog, foetal pig, starfish, or
earthworm to get a good education? What in the world was a lab about anyway? Most
students hated it. There was nothing new to be discovered by poking around in a poorly
preserved frog dripping with preservaíive. It had been done hundreds of thousands of
times before. For what? Should he re-evaluate his approach? What affect
would his waiving this requirement for Sam have on the other students? What if some of
them wanted other alternatives as well? What the devil should he do? He had skirted this
problem long enough.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
