Introdução a STI - Unisinos

professor.unisinos.br

Introdução a STI - Unisinos

Sistemas Tutores

Profa. Patricia Jaques

UNISINOS

Inteligentes:

Introdução

Disciplina: Ambientes Inteligentes de Aprendizagem


Disciplina sobre Sistemas

Tutores Inteligentes

ü O que são Sistemas Tutores Inteligenets?

ü Um tipo de software educacional

ü Usa técnicas de Inteligência Arti@icial para:

ü Prover um comportamento semelhante a um tutor humano

individual

ü Ser mais @lexível, diagnosticar mais e ser mais adaptativo

ü Componentes de um STI:

ü Interface ou ambiente para resolução de problema,

ü conhecimento do domínio,

ü modelo de aluno,

ü conhecimento pedagógico


Estrutura das aulas

ü Mistura de instrução declarativa e procedural

ü Declarativa = saber o quê fazer

ü Procedural = saber como fazer

ü Conteúdo declarativo

ü Aulas expositivas

ü Seminários de leitura de artigo

ü Conteúdo procedural

ü Aulas em laboratório de programação


Organização da Apresentação

ü Inteligência Arti@icial

ü Inteligência Arti@icial Simbólica

ü Exemplo de um (pseudo) Sistema Tutor Inteligente PAT2Math

ü Informática na Educação

ü Pesquisa em Informática na Educação

ü Categorias de Software Educaional

ü Sistemas Tutores Inteligentes (ITSs)

ü Histórico da área de STIs

ü Componentes de um STI

ü Agentes em Sistemas Tutores

ü Agentes Pedagógicos

ü Agentes Pedagógicos Animados

4


Inteligência Arti@icial

Baseado no Livro de Russel & Norvig

5


Inteligência arti@icial (IA):

Conceitos gerais

ü Surgiu na década de 50

ü “o campo em que eu mais gostaria de estar”

ü Objetivos:

ü entender entidades inteligentes e reproduzir o

comportamento inteligente

ü desenvolver sistemas para realizar tarefas que ainda

ü são melhor realizadas por seres humanos que por máquinas, ou

ü não possuem solução algorítmica satisfatória pela computação

convencional

6


O que é IA?

Visão de IA em quatro categorias:

Pensam como humanos

Pensam racionalmente

Atuam como humanos

Atuam racionalmente

7


Dimensões/abordagens da IA

Pensando

“A automação de atividades que nós

associamos com o pensamento

humano” Modelagem Cognitiva (GPS)

Como humanos

“A arte de criar máquinas que realizam

funções que requerem inteligência

quando realizadas por pessoas” Teste

de Turing

“O estudo das faculdades mentais

através do uso de

modelos computacionais”

Raciocínio lógico

Racionalmente

“O ramo da Ciência da

Computação que estuda a

automação de comportamento

inteligente” Agentes racionais

(crenças e objetivos)

Agindo

8


Agindo de forma humana:

Teste de Turing

ü Turing (1950) "Computing machinery and intelligence":

ü The Imitation Game

9


Voight-Kampff Test

ü http://www.youtube.com/watch?v=ChJVaTqU2So&feature=related

10


Pensando de forma

humana

ü Para dizer que um sw pensa de forma humana, temos que

ter uma maneira de determinar como os seres humanos

pensam:

ü introspecção

ü experimentos psicológicos

ü Expressar teoria como programa de computador

ü GPS (General Problem Solver) de Newell e Simon, 1961

ü Ciência Cognitiva: IA+psicologia para entender

funcionamento da mente humana

ü Atualmente: sabe-­‐se que um programa faz bem algo não

signi@ica que ele seja um bom modelo do funcionamento da

mente humana

11


Pensando racionalmente

ü Aristóteles foi um dos primeiros a

tentar codi@icar o “pensamento correto”

ü Conclusão correta, se premissa é correta

ü Baseado na lógica

ü “Sócrates é um homem, todos os homens

são mortais, logo Sócrates é mortal. “

ü Problemas:

ü Formalizar o conhecimento informal menos

do que 100% certo

ü Recursos computacionais quando

raciocínio envolve muitos fatos

12


Agindo racionalmente

ü Comportamento racional: fazer a coisa certa

ü A coisa certa: o que se espera maximizar a realização do

objetivo, dada a informação disponível

ü Não envolve necessariamente pensar -­‐ por exemplo,

resposta involuntária-­‐ mas pensar deve estar a serviço da

ação racional

ü Abordagem adotada pelo livro do Russel e do Norvig:

padrão de racionalidade mais fácil de de@inir

ü Comportamento e raciocínio humano são frutos do processo

evolucionário

13


Conceitos gerais

ü Inteligência

ü Estudada há mais de 2000 anos por @ilósofos

ü Raciocínio, memória, aprendizado, visão

ü Inteligência Arti@icial

ü Estuda a inteligência de maneira teórica e experimental

14


Sistema inteligente

ü Um sistema inteligente deve ser capaz de:

ü adaptar-­‐se a novas situações,

ü raciocinar,

ü entender relações entre fatos,

ü descobrir signi@icados,

ü reconhecer a verdade e

ü aprender com base em sua experiência.

15


Paradigmas

ü Simbólico (IA clássica): metáfora lingüística e cognitiva

ü ex. sistemas especialistas, agentes,...

ü Conexionista: metáfora cerebral

ü ex. redes neurais

ü Evolucionista: metáfora da natureza

ü ex. algoritmos genéticos, vida arti@icial

ü Estatístico/Probabilístico

ü Ex. Redes Bayesianas, sistemas difusos

16


Sub-­‐áreas da IA Simbólica

ü Resolução de problemas

ü Representação de conhecimento

ü Raciocínio lógico

ü Sistemas especialistas

ü Processamento de linguagem natural

ü Agentes inteligentes, sistemas multiagentes

ü Sistemas Tutores Inteligentes

17


Informática na Educação

18


Surgimento de Computadores

ü Tecnologia da Informação:

ü Ponto de In@lexão (in@lection point) na educação

ü Como foi a invenção do papel

ü “An in@lection point is a full-­‐scale change in the way an

enterprise operates. Strategic in@lection points are times of

extreme change; they can be caused by techno-­‐ logical change

but are more than technological change”

19


Informática na Educação

ü Conceito:

“Todo programa pode ser considerado um programa

educacional desde que utilize uma metodologia que o

contextualize no processo de ensino-­‐aprendizagem”

20


Histórico da Informática na Educação

ü 1960 – USA – desenvolvimento os primeiros

sistemas de Instrução Programada, conhecidos como

CAI (Computer Assisted Instruction).

ü 1967 – Surgimento do Logo (como base a teoria de

Piaget e algumas ideias da Inteligência Arti@icial)

21


Tipos de Softwares Educacionais

ü Exercícios e Práticas: enfatizam a apresentação

das lições ou exercícios;

22


Tipos de Softwares Educacionais

ü Simulação e Modelagem: possibilitam a vivência de

situações di@íceis ou até perigosas de serem reproduzidas em

aula;

ü Construção de situações semelhantes a realidade;

ü Ênfase a exploração autodirigida;

ü Utilização de modelos dinâmicos

23


Tipos de Softwares Educacionais

ü Jogos: desenvolvidos com a @inalidade de desa@iar e motivar

o aprendiz, envolvendo-­‐o em uma competição com a

máquina e os colegas;

24


Tipos de Softwares Educacionais

ü Tutoriais: transmitir informações pedagogicamente

organizadas, a informação é apresentada ao aprendiz

seguindo uma seqüência, e o aprendiz pode escolher a

informação que desejar;

25


Novas Categorias de SW

ü Objetos de Aprendizagem:

ü Objeto de aprendizagem

(OA) é uma unidade de

instrução/ensino reutilizável.

De acordo com o Learning

Objects Metadata Workgroup,

objetos de aprendizagem

(Learning Objects) podem ser

de@inidos por "qualquer

entidade, digital ou não digital,

que possa ser utilizada,

reutilizada ou referenciada

durante o aprendizado

suportado por tecnologias".

ü Exemplo: um ppt, uma página

web, um software

educacional, etc

26


Novas Categorias de SW

ü Ambientes Virtuais de Aprendizagem:

ü são softwares que auxiliam na montagem de cursos

acessíveis pela Internet. Elaborado para ajudar os

professores no gerenciamento de conteúdos para seus

alunos e na administração do curso, permite acompanhar

constantemente o progresso dos estudantes. Como

ferramenta para EAD, são usados para complementar aulas

presenciais.

ü Ex: Moodle, SOLAR, TelEduc etc.

27


PAT2Math

Um exemplo de um (pseudo) STI

28


Pat (Personal Affective Tutor)

ü An animated pedagogical agent for a tutoring system:

ü Promote positive emotions in the student;

ü Motivate and engage student in learning;

ü Increase student’s self-­‐ability.

ü How?

ü recognizing the student’s affective states:

ü by an appraisal model of emotions from

student’s observable behavior

ü expressing affective attitudes through:

ü a lifelike animated character

ü and messages of encouragement;

29


Pat Demo

30


31

Some things to improve…

Let’s study AGAIN

the entire chapter

about Time Zones?


Some things to improve…

ü Evaluation

• NO intelligent

environment

• Appraisal-­‐based Inference

of emotions

• little information for

agent

• inference is not accurate

• Affective and cognitive

scaffolding

• feedback is not precise

• discourage student

32


Personal Affective Tutor to Math

ü An Intelligent

Tutoring System for

Algebra

• First and second

degree equations

• Web system

• Multiagent

architecture

33


Why ITS for Math?

ü Math is a discipline which

students have fear.

ü This generates emotions

frustration, fear of to make

mistakes, and low self-­con@idence

(Piaget, 1989);

ü low success rate of Brazilian

students is Algebra

ü less than 40% in many

Brazilian regions

ü In an ITS, learning situations

and students model are much

more well de@ined.

ü Important to infer students

emotions by using a

cognitive psychological

model;

34


PAT2Math

• Adapted to Brazilian

curriculum

• Content organization follow

“Parâmetros Curriculares Nacionais

(PCN)”

• Constructivist

• Ausubel theory (cognitive and

constructivist approach)

• Emotional help

• Affective strategies

• Mutimodal inference of emotions

35


An Unintelligent Math Learning System

36


An Unintelligent Math Learning System

✓ correct

34!

✗ wrong

37


An Unintelligent Math Learning System

Again!!

38


ITS: Interface

1) Equation

provided

by the tutor

2) Step solution

provided

by the student

4) Step solution

demonstrated by

the tutor

3) Hint solicited by

the student

39


Intelligent Tutoring System

ü It knows:

ü How to solve the proposed

exercises

ü Subjects that a student

master or not,

misconceptions

ü How to teach

40


ITS: Cognitive Model

ü An expert system that is able to solve algebra equations

ü Maintains Procedural knowledge

ü The knowledge is represented by rules in the form

ü IF THEN

ü Each rule represents a skill the student should master

ü Implemented with expert system shell JBoss Drools

4x+4=2x+9

rule "Divisão por zero"

salience 10

dialect "java"

when

e: Expression( );

eval (e.getnewexpression().contains("="));

eval (divideByZero(e.getRoot()));

then

System.out.println("# Erro: Divisão por zero");

listresult.add("# Erro: Divisão por zero");

retract (e);

end;

41


STI: Student Model

2x + 3x – 25 = 0;

2x +3x = 25; ! þ Inverse operation – Sum

5x = 25; !

þ Sum of variables

X = 25/5; !

X = 5; ! þ Inverse operation -

division !

!

þ Division

!

The tutor should know which abilities were

worked and mastered by student

42


ITS: Tutor Agent

ü Pre-­‐speci@ied Learning Plans

ü Follow Brazil Curriculum Plan

ü Used in schools

ü Adaptation through the selection of declarative

domain content

ü Meta-­‐Level organization of the knowledge

ü All the content is mapped into abilities and subject

ü Example: 3x-­‐2x+5=0

ü Subject: Equation of 1 degree

ü Abilities: sum of variables;

ü Dynamic: There is not repetition of the content

ü prevents exchange of responses among students

ü less predictable and tedious: it does not always

display the same explanation

Example of Plan:

1) Equality in equations

2) Variables in Equation

3) Next content: sum of

variables (ability: sum

of variables)

Learning strategy:

(sum of variables)

1) Problem: Present a problem of

the real world to motivate the

learning of this subject

2) Activation: relate the new

content of previous ones

3) Demonstration: show how to

solve and solved examples

4) Aplication: Give exercises to

student to solve

5) Integration: Show example of

application of the new content

to integrate with student

reality.

43


Student’s Emotions in PAT2Math

ü Current focus:

ü Consider students’ affect in

learning environments

ü Advantages:

ü To determine a more adequate

moment to intercede

ü Which strategies to apply in order

to engage and motivate student in

class activities

44


45

Multimodal Inference of Emotions

ü Inference of emotions by face:

ü Infer more accurately the emotions

ü 80%-­‐90%

ü Inference of emotions by a cognitive

psychological model, like OCC

ü Tries to explain why the student is feeling

an emotion

ü Not so accurate


Animated Pedagogical Agents

ü Pedagogical agents that use the multimedia resources to

provide the user with an animated character with

characteristics similar to ones of alive intelligent

creatures.

ü Communication has a more anthropomorphic and social

nature.

ü Other Bene@its: increasing the communication capacity of

systems, amusing the student, motivate (persona effect).

ü Proposed agent:

ü Application of affective tactics

ü Agent’s behavior in order to motivate and also

engage students

46


Histórico de STI

47


Histórico dos STI

ü Entre década de 50 – 60 – os pesquisadores acreditavam

que os computadores poderiam vir a “pensar”, como os

seres humanos.

ü Inteligência Arti@icial

Programas

Lineares

1950

Programas

Rami`icados

1960

Programas

Gerativos

1970

STI

1980

CAI

Instrução Assistida por Computador

ICAI

Instrução Inteligente

Assistida por Computador

48


Instrução Assistida por Computador

ü Década 50 – Surgimento dos 1º programas de instrução

assistidos por computador – Programas Lineares.

ü Características:

ü In@luenciados pela teoria Behavoristas (pessoas funcionam por

estímulos = igual estímulo corresponde igual resposta)

ü Conhecimento mostrado de forma linear numa estrutura rígida (o

aluno não tinha escolhas)

ü Não considerava conhecimento prévio do aluno, a quantidade de

vezes que interagiu com o aluno

ü Resposta sempre igual e a todo mundo

ü Desvantagem:

ü o sistema somente apresentava o conteúdo não instigando o

aprendizado evolutivo do aluno frente ao software.

ü Não estimulava o raciocínio frente diferentes situações;

49


Histórico dos STI (cont.)

ü Década 60 – Programas RamiIicados

ü Características:

ü Os sistemas tinham um número @ixo de temas,

semelhante aos programas lineares, mas diferenciavam-­se

pela capacidade de atuar segundo a resposta do

aluno;

ü Tratar as respostas do aluno como aceitáveis ou

parcialmente.

ü Mas não sabiam explicar como resolver o problema, pois

não possuíam modelos internos próximos dos humanos.

50


Histórico dos STI (cont.)

ü Entre a década de 60 -­‐ 70 – Programas Gerativos “sistemas

adaptativos”.

ü Sistemas associados a uma nova IilosoIia educacional que

defende que os alunos aprende melhor enfrentando-­‐se

problemas de diIiculdade adequada.

ü Características:

ü Os sistema são capazes de gerar um problema de acordo com o nível

de conhecimento do aluno, construir uma solução e diagnosticar a

resposta do aluno.

ü Melhoramento na interface

ü Gerador dinâmico de números para problemas em matemática

ü Não podem responder questões de “porque” e “como” as tarefas

são realizadas

51


Histórico dos STI (cont.)

ü Década de 70 -­‐ 80 -­‐ STI – apresentou-­‐se uma nova forma

de “Aprendizagem Computadorizada”:

ü Levou em conta a forma como o professor estrutura e desenvolve

o conteúdo em sala de aula;

ü Considerou a dinâmica da relação aluno-­‐professor;

ü O professor recebe feedback verbal e não verbal;

ü O professor através de exercícios e avaliações consegue inferir no

estado cognitivo do aluno e mudar as suas estratégicas e táticas de

atuar junto ao aluno;

ü Característica do sistema: o ensino não seria de forma única

52


Histórico dos STI (cont.)

ü Década de 90 até hoje:

ü Objetivo – respresentação, comunicação e conhecimento do

aluno;

ü Enfoque – tecnologias hipermídias

ü Caracaterísticas – equipe multidisciplinares

53


O que são “STI”?

ü São sistemas que, interagindo com o aluno,

modi@icam suas bases de conhecimento, percebem

as intervenções do aluno, possuem a capacidade de

aprender e adaptar as estratégias de ensino de

acordo com o desempenho do aluno.

ü Contém modelos ricos do conhecimento do aluno

para compreender as concepções corretas ou falsas

do aluno (misconceptions).

54


Características de STI

ü Dá-­‐se o adjetivo de “Inteligente” para contrastá-­‐lo com os

CAIs , sendo uma diferença marcante o uso de técnicas de

Inteligência Arti@icial;

ü Capacidade de resolver os problemas que apresenta aos

alunos e explicar “como” o fez.

ü Proporcionam ensino individualizado:

ü One-­‐to-­‐one tutoring: melhor forma de aprender

ü Constrói um modelo cognitivo do aluno;

ü O sistema decide “inteligentemente” a ordem da

apresentação dos conteúdos;

ü Nos STIs, alunos movem na sua própria velocidade (passo).

ü Professores que usam STI recebem insights sobre a

aprendizagem do aluno passam mais tempo individualmente

com os alunos e economizam tempo deixando o tutor corrigir

o tema do aluno.

55


Diferenças de CAI x STI

CAI

STI

Origem Educação Computação

Fundamentação teórica Behaviourista Psicologia Cognitivista

Estruturação e funções Única estrutura algoritmica

pré-definida, onde o aluno

não influi na sequencia de

apresentação do conteúdo

Estrutura dividida em

módulos, cuja sequencia é

determinada pelas respostas

do aluno

Estruturação do

Algorítmica

Heurística

conhecimento

Modelagem do aluno

Modalidades encontradas

Avaliam a última resposta do

aluno, sem considerar suas

dúvidas

Tutorial, exercício e prática,

simulação e jogos interativos

Tentam avaliar toda a

interação com o aluno

Ambiente, interativo, diálogo

bidirecional e guia

56


Scholar

ü Considerado pioneiro

ü Conteúdo: Geogra@ia sul-­‐americana

ü ‘Diálogo misto’

ü Interface em linguagem natural

ü Domínio representado por Rede Semântica

ü Método Socrático

ü Não foi muito utilizado

57


Exemplo de Diálogo

SCHOLAR: Approx what is the the area of Brazil?

Student: 2,500,000 square miles.

SCHOLAR: Wrong. Please indicate if the following statement is correct: the area of

Paraguai is approx 47,432 square miles.

Student: What is the area of Brazil?

SCHOLAR: 3,600,000 square miles. Now answer the question you didn’t answer

before.

Student: False.

SCHOLAR: Rephase your statement. I can’t understand it.

Student: Incorrect.

SCHOLAR: Very good! ...

58


WHY

ü Sucessor do SCHOLAR

ü Conteúdo: Conjunto de processos que ocasionam as

chuvas

ü Tutor trabalha com hierarquias de scripts

ü Não trata erros dos alunos

59


Exemplo de ITS

ü Cognitive Algebra Tutor I

60


Arquitetura de um ITS

61


Arquitetura Clássica de um STI

62


Arquitetura dos STI

ü O principal objetivo dos STI é proporcionar um ensino adaptado

a cada aluno, tentando se aproximar ao comportamento do

professor humano em sala de aula.

ü Arquitetura tradicional é composta por quatro módulos:

ü Módulo do aluno: neste módulo são armazenadas/modeladas as

características individuais do aluno (conhecimento individual sobre o

domínio (assunto em questão, conteúdo) e falsas concepções;

ü Módulo tutor: possui o conhecimento sobre as estratégias e táticas para

selecioná-­‐las em função das características do aluno (representadas no

módulo aluno);

ü Módulo do domínio: detêm o conhecimento sobre o conteúdo a ser

ensinado

ü Interface: faz a intermediação da interação entre o tutor e o aluno.

63


Modelo do domínio

ü Manipula o conteúdo que vai ser ensinado

ü Provê mecanismos de geração de exemplos

ü Conhecimento deve ser compatível com raciocínio do

estudante

ü Usa formalismos de IA para modelar o conhecimento

Ex. redes semânticas, frames, scripts, regras de

produção

64


Modelo do Domínio

ü Representa aspectos do comportamento e

conhecimento do aluno

ü Deve ser capaz de detectar erros cometidos pelos

estudantes

ü Veri@ica mudanças no per@il do estudante

ü Gera processo de diagnóstico

65


Modelos de Aluno

ü Guarda informações sobre o aluno

ü Habilidades e competências desenvolvidas

ü Estilos de Aprendizagem

ü auditivos, visuais e cinestésicos

ü Estilo Cognitivo

ü ao meio preferido pelo qual um indivíduo processa a

informação. Ex: impulsividade X re@lexão

ü Emoções e Traços de personalidade

ü Tipos de Modelo de Aluno Cognitivo

ü

ü

Modelagem por sobreposição

Modelagem por perturbação

66


ü Técnica bastante simples

ü Conhecimento do estudante é subconjunto do modelo do

domínio

ü Não trata informações fora do modelo do domínio

Conhecimento do domínio

Modelo do estudante

67


Modelagem por perturbação

ü Avanço em relação aos outros

ü Conhecimento do estudante vai além do modelo do domínio

ü Inclui possíveis erros ou falsas concepções do aluno (biblioteca

de erros)

ü Exemplo de misconception:

8

− 2 x = 8 ⇒ x = ⇒ x =

2

4

− 4⋅(

x − 2)

=

− 4x

− 2

− 4x

−8

Conhecimento do domínio

Modelo do estudante

68


Modelo do tutor

ü

ü

ü

ü

ü

Conhecimento pedagógico do sistema

Possui um conjunto de regras

Seleciona conteúdo a ser apresentado

Monitora e critica o desempenho do aluno

Fornece assistência quando solicitado

69


Estratégias de ensino

ü Treinamento

ü simulação do domínio, muitas vezes em forma de jogos

ü Socrático

ü tutor questiona o aluno

ü Orientador

ü aluno requisita explicitamente auxílio

ü Cooperativo

ü estudante e sistema são agentes que interagem visando

trocar conhecimentos

70


Modelo de Interface

ü Único componente que interage diretamente com o estudante

ü Papel crucial em sistemas interativos

ü Tempo de resposta razoável

ü Visual interessante

ü

ü

Representação clara

Fácil de usar

71


Comportamentos de um tutor

ü Inner Loop

ü Laço interno

ü Acontece dentro de uma atividade/exercício

ü Envolve a resolução passo-­‐a-­‐passo de um exercício

ü Outer Loop

ü Laço externo

ü Envolve a seleção de atividades para o aluno realizar

72


ITS:

Modelo de Aluno

ü Model Tracing:

ü Ele é realizado pelo Módulo Cognitivo que tenta identi@icar

como o aluno resolve uma equação durante a resolução

ü É usado para ajudar estudantes em tempo real a resolver uma equação

ü Detecta misconceptions.

ü Dados representados em regras.

ü Geralmente, cada regra apresenta uma operação/habilidade do domínio

ü Inner Loop (VanLehn, 2006)

ü Steps

73


ITS:

Modelo de Aluno

ü Knowledge Tracing:

ü Tenta identi@icar as habilidades que o aluno domina

ü Each skill ßcorresponds to à a rule

ü Usado para avaliar aluno e também para a seleção de tarefas a serem

exebidas pelo aluno

ü Outer Loop (VanLehn, 2006)

ü Tasks

74


ITS: Tutor

ü Dois tipos de interação:

ü Real time ajuda (durante a resolução de

uma equação):

ü Baseado nas informações do Model

tracing.

ü Se o estudante não resolveu um passo

corretamente, decide que dica dar ao

aluno.

ü Escolha do curriculum (próxima

tarefa):

ü Baseado nas informações do

Knowledge tracing

ü Ele decide que próximas explicações e

exercícios dar ao aluno

75


Algumas considerações...

ü Evidências já pesquisadas sugerem que a informação

aprendida é armazenada por mais tempo se o aluno é

um participante ativo do processo de aprendizado e se a

apresentação envolve muitos dos sentidos do aluno.

ü Um estudo relata que as pessoas retém

aproximadamente 25% daquilo que ouvem, 45% daquilo

que vêem e ouvem e 70% daquilo vêem, ouvem e fazem

(Schank, 1994).

76


Considerações @inais

ü A avaliação do uso dos STI mostra que os

estudantes progridem para níveis superiores em

um terço do tempo utilizado com a metodologia de

instrução convencional.

ü Além disso, estudantes usando estes sistemas

apresentam 40% de aumento no seu desempenho

em relação à instrução em sala de aula.

77


Considerações Finais

ü STI são uma poderosa ferramenta no processo de ensino-­aprendizagem


ü Existem di@iculdades de difusão dos STI

ü Interdisciplinaridade

ü Inexistência de uma teoria geral

ü Sistemas caros e complexos

78


Referências Bibliográ@icas

ü WOOLF, B. Building Intelligent Interactive Tutors. Morgan

Kaufmann. 2009.

ü RUSSEL, S. J. and NORVIG, P. Arti@icial intelligence : a

modern approach. Upper Saddle River : Prentice-­‐Hall,

1995. 932 p.

ü ANDRADE, L.

Sistemas Tutores Inteligentes: Monogra@ia de Trabalho de

Conclusão que fornece boa introdução ao tema.

ü GIRAFFA, L.

Fundamentos de Sistemas Tutores Inteligentes. Technical

Report. Texto bastante abrangente que fornece ótima visão

no tema.

79


Exercício

ü Indenti@ique cada um dos componentes de uma arquitetura

de um STI no tutor Cognitive Algebra I

80

More magazines by this user
Similar magazines