Embed Size (px)
Citation preview
UNIVERSIDADE PRESBITERIANA MACKENZIE PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
Marcelo Leme Mamud
Desenvolvimento de Recurso de Aprendizagem Inteligente no campo de comunicações ópticas utilizando Simulação Computacional
Dissertação apresentada ao Programa de Pós-Graduação em Engenharia Elétrica da Universidade Presbiteriana Mackenzie, como requisito parcial à obtenção do título de Mestre em Engenharia Elétrica.
Orientação: Profa Dra Sandra Maria Dotto Stump
São Paulo 2010
M265d Mamud, Marcelo Leme. Desenvolvimento de recurso de aprendizagem inteligente no campo de comunicações ópticas utilizando simulação computacional / Marcelo Leme Mamud. – 2010. 110 p. : il. ; 30 cm. Dissertação (Mestrado em Engenharia Elétrica) – Escola de Engenharia, Universidade Presbiteriana Mackenzie, São Paulo, 2010. Orientação: Sandra Maria Dotto Stump. Bibliografia: p. 97-101. 1.Sistemas tutores inteligentes. 2. Objetos de aprendizagem. 3. Sistema multiagente. 4. Amplificadores ópticos EDFA. II. Título. CDD 621.3
À minha família e a Thays.
AGRADECIMENTOS
A Deus por ter me iluminado, dado força e sabedoria para que eu pudesse concluir este projeto. À Universidade Presbiteriana Mackenzie, seus professores e funcionários pelo conhecimento que eu adquiri, indispensável para a realização deste trabalho. À Professora Doutora Sandra Maria Dotto Stump, sempre me apoiando e dando diretrizes para alcançar os objetivos determinados, desde o início deste projeto, ainda durante a graduação. À Professora Doutora Pollyana Nostargiacomo Mustaro pelo seu empenho em me ajudar e sabias sugestões apresentadas para a execução deste projeto. Ao Professor Doutor Sergio Luiz Pereira, pelos comentários e sugestões apontadas durante o desenvolvimento do trabalho. Ao MackPesquisa (Fundo Mackenzie de Pesquisa) e à CAPES (Coordenação de Aperfeiçoamento de Pessoal de Ensino Superior) pelo apoio financeiro para realização desta pesquisa. Aos Professores, Funcionários e Amigos do Programa de Pós-Graduação em Engenharia Elétrica, em especial ao Samuel Lima e Ederson Borges. À Professora e amiga Cintia Bueno Martha Chirenti pelos seus ensinamentos, apoio e confiança no meu potencial para vencer desafios. Aos meus pais, tios, tias, primos e primas pelo apoio. À Thays pelo carinho com que me ofereceu suas sugestões, apoio incondicional, paciência e envolvimento com este trabalho.
RESUMO
Nos últimos anos foi possível observar o desenvolvimento de propostas de ferramentas digitais de ensino, utilizando interatividade, recursos multimídia, entre outros. Entretanto, parte destas propostas reflete as deficiências características das metodologias de ensino tradicionais. Este trabalho apresenta o desenvolvimento de um Recurso Digital de Aprendizagem, baseado em técnicas de Inteligência Artificial, com aplicação no campo de comunicações ópticas. São apresentadas as técnicas e aplicativos de suporte para a construção deste recurso, incluindo as estratégias para adaptação da navegação de acordo com os pré-requisitos e perfis dos aprendizes. Foi utilizada a tecnologia de mapas conceituais e sistemas multiagentes, integrados a Objetos de Aprendizagem. Os agentes computacionais, inseridos em cada nó do mapa, têm a missão de atuar sobre o ambiente de aprendizagem, sugerindo o estudo e acesso aos Objetos de Aprendizagem mais apropriados, conforme os resultados sobre o perfil do usuário. Trata-se de uma abordagem pedagógica, que conta com interatividade, recursos audiovisuais e disponibilidade para o aluno administrar seu próprio tempo e da maneira mais flexível, aumentando a eficiência dos estudos. A partir da observação das dificuldades encontradas por estudantes da área, foi possível determinar os requisitos do projeto. A motivação para o desenvolvimento, na área de amplificadores ópticos de fibras dopadas por érbio (EDFA), surgiu pela dificuldade e carência de materiais didáticos no campo de pesquisa de engenharia de telecomunicações. Um dos principais problemas no estudo de EDFA é a abordagem matemática utilizada na literatura da área, exigindo domínio de conceitos avançados em cálculo. A partir do Recurso de Aprendizagem implantado, é possível verificar a estratégia de extrair a partir de diversos recursos tecnológicos como, por exemplo, interatividade, multimídia, mapas conceituais, inteligência artificial e simulação computacional, maneiras para estimular a aprendizagem significativa sobre os conceitos abordados. Palavras-chave: Sistemas Tutores Inteligentes; Objetos de Aprendizagem; Amplificadores Ópticos EDFA.
ABSTRACT
In recent years there have been some proposals to develop educational tools using multimedia and interactive resources. However, most of them just transpose the traditional materials to the computer screen. The reason for this work is the gap of didactic materials to explore important subjects about photonics and optical communication systems, specially the lack of tools related to Erbium Doped Fiber Amplifier (EDFA) learning. The aim of this research is to provide at the LCMS MOODLE open platform an Intelligent Learning Resource to support EDFA study, providing a set of Learning Objects more suitable for the study of the base concepts needed to optimise the use of the computer simulation tool. For so, this research presents the development of an Intelligent Learning Resource for Electric Engineering, Physics, and related fields, in which students can learn about optical communications, in particular EDFA. The proposal is to give autonomy to the students, which manage their own study time, and fulfill the basement and prerequisites needed to understand the subject and complete the tasks proposed. Moreover, the learning resource proposes the navigation through a concept map based on a multiagent system architecture, providing an individual treatment according to each student profile. The insertion of a society of agents in the concept map, in order to observe, collect information about the user background profile, and also act in the virtual environment, suggesting the study of the most appropriate learning objects. The learning resource developed can stimulate the students to understand how amplifiers are designed for a practical application, and the parameters that should be considered in a project. The Artificial Intelligence techniques used for the development of the learning resource consider the learner differences in a way to adapt the system actions according to each student background. Key-words: Intelligent Tutoring Systems; Learning Objects; Erbium Doped Fiber Amplifiers.
LISTA DE ILUSTRAÇÕES
Figura 1 Distribuição do modelo SCORM em quatro livros...........................................23
Figura 2 Exemplo de Arquivo imsmanifest.xml (Autoria própria).................................26
Figura 3 Descrição do tipo de metadados (Autoria própria)............................................26
Figura 4 Modelo hierárquico organização SCORM........................................................27
Figura 5 Descrição da organização do Objeto de Aprendizagem no arquivo
imsmanifest.xml........................................................................................................................27
Figura 6 Descrição dos Recursos do Objeto de Aprendizagem no arquivo
imsmanifest.xml........................................................................................................................28
Figura 7 Definição Asset e SCO......................................................................................29
Figura 8 Modelo temporal RTE ......................................................................................29
Figura 9 Estados da Comunicação entre SCO e LMS.....................................................30
Figura 10 Modelo de Seqüência e Navegação...................................................................31
Figura 11 Comparativo entre aprendizagem mecânica (esquerda) e aprendizagem
significativa (direita).................................................................................................................35
Figura 12 Etapas do processo de aprendizagem significativa...........................................37
Figura 13 Modelo de Interação entre usuário e Computador............................................39
Figura 14 Metas do Design de Interações..........................................................................40
Figura 15 Modelo de interação com simuladores computacionais....................................42
Figura 16 Mapa Conceitual sobre Mapas Conceituais......................................................45
Figura 17 Arquitetura Básica dos Sistemas Tutores Inteligentes......................................47
Figura 18 Grafo para representação do conhecimento em STI..........................................50
Figura 19 Arquitetura básica do Sistema Especialista.......................................................57
Figura 20 Relação agente/ambiente...................................................................................59
Figura 21 Sistema Multiagente: Arquitetura Centralizada................................................62
Figura 22 Sistema Multiagente: Arquitetura Descentralizada...........................................63
Figura 23 Arquitetura do Sistema na Etapa 1 (Autoria própria)........................................67
Figura 24 Arquitetura do Sistema na Etapa 2 (Autoria própria)........................................72
Figura 25 Arquitetura do Sistema na Etapa 3 (Autoria própria)........................................74
Figura 26 Arquitetura Centralizada do Sistema Multiagente (Autoria própria)................79
Figura 27 Menu para publicação de arquivo Exe Learning...............................................84
Fluxograma 1 Diagrama de funcionamento PTDS – VPI........................................................85
Fluxograma 2 Diferentes funcionalidades do PTDS – VPI......................................................86
Figura 28 Instruções Iniciais..............................................................................................88
Figura 29 Mapa Conceitual EDFA....................................................................................89
Figura 30 Agente (Completar fluxograma sobre o íon érbio)......................................................90
Figura 31 Agente (Associar evento com linha do tempo da evolução tecnológica).....................91
Figura 32 Objeto de Aprendizagem...................................................................................92
Figura 33 PTDS Ferramenta de Simulação Computacional..............................................92
LISTA DE TABELAS
Tabela 1 Resumo dos Conectivos utilizados na lógica proposicional..............................53
Tabela 2 Hierarquia dos Conceitos abordados.................................................................68
Tabela 3 Rastreamento de Requisitos (Etapa 1)...............................................................70
Tabela 4 Rastreamento de Requisitos (Etapa 2)...............................................................73
Tabela 5 Rastreamento de Requisitos (Etapa 3)...............................................................76
Tabela 6 Modelos de Interação dos Agentes....................................................................80
LISTA DE ABREVIATURAS
ADL Advanced Distributed Learning
AICC Aviation Industry Computer-based Training Committee
ASE Amplified Spontaneous Emission
API Application Programming Interface
CAI Computer Aided Instruction
CAM Content Aggregation Model
CMS Content Management System
EaD Educação a Distância
EDFA Erbium Doped Fiber Amplifier
ESCOT Educational Software Components of Tomorrow
HTML Hyper Text Markup Language
IA Inteligência Artificial
IEEE Institute of Eletronic and Eletrical Engineers
IHC Interface Humano Computador
IHMC Institute for Human and Machine Cognition
IMS Instructional Management System
LCMS Learning Content Management System
LMS Learning Management System
LOR Learning Object Repository
MOODLE Modular Object Oriented Dynamic Learning Environment
TIC Tecnologias da Informação e Comunicação
RTC Run Time Services Communication
RTE Run Time Environment
PTDS Photonic Transmission Design Suite
SCO Sharable Content Object
SCORM Sharable Content Object Reference Model
SMA Sistema Multiagente
SN Sequencing and Navigation
STI Sistemas Tutores Inteligentes
VPI Virtual Photonics Instruments
XML Extensible Markup Language
XHTML Extensible Hyper Text Markup Language
SUMÁRIO
1 INTRODUÇÃO...................................................................................................................14
2 O ENSINO NA ENGENHARIA ELÉTRICA E A TECNOLOGIA..............................17
2.1 O PAPEL DA TECNOLOGIA NO PROCESSO DE ENSINO........................................17
2.2 EVOLUÇÃO HISTÓRICA DA TECNOLOGIA NA EDUCAÇÃO................................18
3 OBJETOS DE APRENDIZAGEM...................................................................................22
3.1 PADRÕES PARA O DESENVOLVIMENTO DE OBJETOS DE APRENDIZAGEM..22
3.2 DISTRIBUIÇÃO DOS OBJETOS DE APRENDIZAGEM.............................................32
4 RECURSOS TECNOLÓGICOS COMPLEMENTARES AOS OBJETOS DE
APRENDIZAGEM.................................................................................................................35
4.1 RECURSOS MULTIMÍDIA.............................................................................................39
4.2 INTERATIVIDADE..........................................................................................................39
4.3 APRENDIZAGEM POR SIMULAÇÃO...........................................................................41
4.4 MAPAS CONCEITUAIS..................................................................................................44
5 INTELIGÊNCIA ARTIFICIAL: UM RECURSO DE OTIMIZAÇÃO.......................46
5.1 REPRESENTAÇÃO DO CONHECIMENTO..................................................................49
5.1.1 Representação Gráfica do Conhecimento...................................................................49
5.1.2 Representação do Conhecimento por meio de Lógica...............................................52
5.2 SISTEMAS INTELIGENTES BASEADOS EM CONHECIMENTO.............................56
5.2.1 Sistemas Especialistas...................................................................................................56
5.2.2 Sistemas Inteligentes Distribuídos...............................................................................58
5.2.2.1 Agentes Computacionais: Formalização Matemática..................................................60
5.2.2.2 Sistemas Multiagentes..................................................................................................61
6 DESENVOLVIMENTO DO PROJETO..........................................................................65
6.1 PRÉ-REQUISITOS E ARQUITETURA INICIAL PROPOSTA (ETAPA 1)..................66
6.2 EVOLUÇÃO DA ARQUITETURA PROPOSTA: A INSERÇÃO DE UM SISTEMA
ESPECIALISTA (ETAPA 2)....................................................................................................71
6.3 DEFINIÇÃO DA ARQUITETURA PROPOSTA: ATENDIMENTO AOS REQUISITOS
DO PROJETO (ETAPA 3).......................................................................................................73
6.4 METODOLOGIA DE DESENVOLVIMENTO...............................................................76
6.4.1 Mapa Conceitual...........................................................................................................76
6.4.2 Agentes Computacionais..............................................................................................77
6.4.3 Objetos de Aprendizagem............................................................................................81
6.4.4 Simulação Computacional............................................................................................82
6.5 FERRAMENTAS DE DESENVOLVIMENTO...............................................................82
6.5.1 Mapa Conceitual...........................................................................................................83
6.5.2 Objetos de Aprendizagem............................................................................................83
6.5.3 Simulação Computacional............................................................................................85
6.5.4 Plataforma de Gerenciamento de Conteúdo e Ensino...............................................86
7 ANÁLISE DOS RESULTADOS OBTIDOS....................................................................88
8 CONCLUSÃO.....................................................................................................................93
REFERÊNCIAS......................................................................................................................97
APÊNDICE A........................................................................................................................102 APÊNDICE B........................................................................................................................110
14
1 INTRODUÇÃO
A educação escolar não pôde acompanhar o impacto causado pelas mudanças
tecnológicas, que ocorreram em curto espaço de tempo. De acordo com Stump e Mustaro
(2005), numa sociedade que muda a cada minuto, a escola necessita de novas alternativas para
acompanhar esses novos tempos, pois o ensino não acompanha as transformações da
sociedade na mesma velocidade em que elas efetivamente se sucedem. Este fato pode ser
explicado por vários fatores como a dificuldade de adaptação de novos currículos, a não
aquisição de equipamentos sofisticados, os orçamentos limitados das Instituições de Ensino, a
necessidade de treinamento de recursos humanos, etc.
No campo de óptica e fotônica, as ferramentas existentes, guiadas por metodologias de
ensino tradicionais, utilizam linguagens e deduções matemáticas complexas, de difícil
compreensão e não adequadas para a conceituação inicial dos dispositivos envolvidos nas
comunicações ópticas, pois envolvem pré-requisitos específicos. O desenvolvimento de novas
tecnologias nesta área e aplicação de dispositivos ópticos em diversos contextos como na
engenharia, medicina, entre outras áreas, gerou a necessidade de capacitação de diferentes
profissionais do campo de engenharia de computação, processamento digital de sinais,
química, etc, a se dedicarem à compreensão dos conceitos físicos e matemáticos relacionados
à óptica e à fotônica. Estudantes com distintos níveis de conhecimento e formação são
introduzidos aos tradicionais livros com equações matemáticas avançadas, envolvendo pré-
requisitos em álgebra, geometria, trigonometria e análise de gráficos, gerando dificuldade nos
primeiros contatos com assuntos envolvendo óptica e fotônica (LOHMANN, 1991;
PEDROTTI; et al., 2005). De acordo com as previsões de Lohmann (1991) no início dos anos
90, estes fatores agravantes no ensino de óptica e fotônica iriam demandar pesquisa e
desenvolvimento de estratégias e ferramentas instrucionais onde pudessem ser supridas as
falhas existentes na época, em que o estudante assumia uma postura passiva no processo de
aprendizagem. Entretanto, as características e metodologias utilizadas por educadores e
aplicadas em ferramentas instrucionais não evoluíram concomitantemente com as
necessidades.
Os problemas detectados por Lohmann (1991) especificamente na área de óptica e
fotônica vinham sendo pesquisados de forma mais ampla desde o início do século passado,
onde a quebra do paradigma educacional relacionado ao uso de tecnologias é considerada um
fator de otimização da aprendizagem. Porém, pôde-se verificar que a metodologia empregada
no uso de recursos de aprendizagem digitais no contexto de ensino-aprendizagem também foi
15
responsável por tornar o processo pouco eficiente. Este fato pode ser parcialmente explicado
pela atribuição da responsabilidade ao estudante adaptar suas características cognitivas às
novas tecnologias, o que de certo modo contribui para a considerável rejeição ao uso de
recursos computacionais na educação (MAYER, 2001). Por fim, nem sempre o tempo
destinado ao conteúdo a ser ministrado permite um embasamento teórico adequado.
Deseja-se neste trabalho, apresentar o desenvolvimento de um Recurso Digital de
Aprendizagem, para que o estudante de engenharia elétrica, física e áreas afins, tenha uma
ferramenta alternativa para desenvolver seu conhecimento no campo das comunicações
ópticas. Além disto, adquirir conceitos de forma eficiente, podendo administrar seu próprio
tempo de estudo para alcançar um patamar básico de pré-requisitos necessários à
compreensão da atividade proposta. Desta maneira, é apresentado o desenvolvimento de um
conjunto de objetos de aprendizagem abordando os conceitos básicos envolvidos no estudo de
amplificadores ópticos, atuando como alicerce para a continuidade dos estudos, a partir de
uma proposta para simulação computacional. Para garantir maior adaptabilidade em função
dos pré-requisitos dos usuários, o Recurso de Aprendizagem tem como base uma arquitetura
estruturada em técnicas de inteligência artificial.
O Recurso de Aprendizagem proposto, foi implantado em uma plataforma de
gerenciamento de aprendizagem web, que permite, auxiliar o acesso e navegação pela
ferramenta desenvolvida. Desse modo, espera-se que ao concluir a navegação pelo Recurso de
Aprendizagem, o usuário tenha uma visão teórica do tema abordado, assim como aspectos
práticos deste dispositivo, por meio da realização da proposta de simulação computacional.
Para alcançar os objetivos desta dissertação, a metodologia foi dividida em duas
etapas: desenvolvimento teórico, onde foram feitas pesquisas em páginas web, livros e artigos
científicos; e a proposta de desenvolvimento e implementação de um Recurso de
Aprendizagem por meio de uma arquitetura de inteligência artificial para o estudo de
amplificadores ópticos.
A metodologia utilizada para o desenvolvimento tem como base os programas Adobe
Flash (2008), para a elaboração das animações do material instrucional, e Exe-learning
(2008), para a organização e empacotamento do conteúdo, possibilitando sua inserção na
plataforma de ensino MOODLE – Modular Objected-Oriented Dynamic Learning
Environment (2008). O recurso de aprendizagem apresenta uma proposta para simulação
computacional, baseada em uma versão demonstrativa do aplicativo Photonic Transmission
Design Suite (PTDS), desenvolvido pela Virtual Photonics (2008). Deste modo, foi possível
aumentar o grau de interatividade com o usuário, além de possibilitar a visualização de
16
sistemas de comunicações reais por meio da simulação computacional. O recurso de
aprendizagem foi implementado a partir de uma arquitetura estruturada em técnicas de
inteligência artificial, possibilitando maior adaptabilidade da ferramenta de estudo ao usuário.
Para atingir este objetivo, foi construído um Sistema Multiagentes, a partir do software Adobe
Flash (2008), inserindo os agentes no mapa conceitual desenvolvido a partir do software
CMap Tools (2009), produzido pelo Laboratório de Ciências Cognitivas da Universidade de
West Florida.
O trabalho está estruturado da seguinte forma: o capítulo 2 apresenta uma reflexão
sobre a evolução nas metodologias de ensino utilizadas no campo de engenharia elétrica,
assim como uma abordagem histórica sobre as tentativas de utilizar novas tecnologias no
contexto da educação. O capítulo 3 aborda o conceito de objetos de aprendizagem, assim
como considerações sobre os modelos e padrões de desenvolvimento e tecnologias
relacionadas como, por exemplo, as plataformas de gerenciamento de ensino. O capítulo 4 faz
um levantamento de tecnologias que podem ser utilizadas no desenvolvimento e/ou
implementação e uso de objetos de aprendizagem. São discutidos os potenciais usos de
recursos multimídia, interatividade, mapas conceituais e o conceito de aprendizagem por
simulação computacional, amplamente usado na área de comunicações ópticas. O capítulo 5
mostra a importância da inserção de técnicas de Inteligência Artificial no desenvolvimento de
recursos de aprendizagem. Neste capítulo é definido o conceito de sistemas multiagentes e os
métodos de representação do conhecimento de um especialista humano, na tentativa de
simular seu comportamento por meio de um recurso computacional. A seguir, no capítulo 6, é
apresentada a arquitetura e os principais elementos do sistema, assim como serão descritos,
em detalhe, os métodos e ferramentas utilizadas para o desenvolvimento do recurso de
aprendizagem proposto. O capítulo 7 mostra uma análise dos resultados obtidos, e por fim, o
capítulo 8 aborda as conclusões da dissertação.
17
2 O ENSINO NA ENGENHARIA ELÉTRICA E A TECNOLOGIA
A engenharia elétrica vem, ao longo da história, exercendo um papel fundamental na
sociedade. A formação do profissional é complexa, pois são atribuídas a estes profissionais as
responsabilidades pelos projetos de sistemas de comunicação, produção, geração e
distribuição de energia elétrica, sistemas de controle, computacionais, etc.
Com grade curricular baseada em ciências exatas, o curso de engenharia elétrica
explora os mais diversos conceitos envolvendo matemática, física, química, modificando a
forma do aluno pensar, até que passe de um estágio de senso comum para o pensamento
científico. Com o raciocínio estimulado constantemente, o engenheiro adquire facilidade de
adaptação em diversas atividades, inclusive as não envolvidas diretamente com a tecnologia
(BAZZO; PEREIRA, 2000). Este fato é positivo, pois é gerada uma grande versatilidade em
relação às posições ocupadas no mercado de trabalho.
No processo de constante evolução da ciência, para complementar o trabalho das
metodologias de ensino tradicionais, as instituições de ensino também têm a importante
missão de buscar novas metodologias e ferramentas, que possam estimular nos engenherandos
o desenvolvimento de habilidades tradicionais, assim como prepará-los para os novos desafios
que demandam os adventos da tecnologia.
2.1 O PAPEL DA TECNOLOGIA NO PROCESSO DE ENSINO
A evolução tecnológica, inserida no contexto da educação, pode se tornar um
importante instrumento na busca por didáticas mais modernas e no aumento da eficiência das
tradicionais ferramentas de ensino, quebrando paradigmas e possibilitando que o ato de
estudar seja mais produtivo.
Entretanto, mesmo com a popularização de recursos como o computador, Internet,
data-show, disponíveis para grande parcela dos estudantes de engenharia elétrica, as
metodologias de ensino pouco evoluíram (BAZZO; PEREIRA, 2000).
É importante ressaltar que a proposta não é substituir o educador pelas tecnologias.
Inovação tecnológica na educação não se caracteriza por transferir aulas para o computador,
mas sim utilizar os recursos disponíveis como simulações computacionais, animações, e
recursos interativos multimídia como complemento para o aprendizado.
Seria conveniente que a educação pudesse ser pioneira nos processos de inovações
tecnológicas e não permitindo estar atrasada em relação a outros setores.
18
Dentre os problemas encontrados para a difusão de sistemas de ensino digitais, pode-
se citar, por exemplo, as limitações dos orçamentos, dificuldades na aquisição de
equipamentos especializados e treinamentos aos professores, estudantes e corpo técnico das
instituições de ensino. Para o sucesso da implantação de uma plataforma de ensino digital,
além da necessidade de equipamentos confiáveis, é fundamental que a capacitação dos
profissionais envolvidos seja de maneira criteriosa e eficaz, pois se trata da reformulação da
função dos educadores e estes devem trabalhar em perfeita harmonia com os equipamentos e
sistemas (BIONDI; CHIGANER, 1998). É importante que os administradores de instituições
de ensino tracem estratégias para superar estas e outras dificuldades encontradas nesse
processo de modernização das metodologias de ensino na engenharia. As rápidas
transformações na sociedade e na tecnologia obrigam o engenheiro, na sua vida acadêmica e
profissional, a adquirir autonomia na reciclagem ou compreensão de novos conceitos.
Outro fato relevante, desfavorável à utilização dos objetos de aprendizagem, é a
resistência criada pelos próprios professores e profissionais da educação mais tradicionalistas
(KOPTTIKE; CASAROTTO FILHO, 1998). Parte da geração de profissionais tradicionalistas
ainda vê o ensino tradicional como de maior eficiência, onde se baseia essencialmente na
figura do professor como personagem ativo no processo de aprendizagem, enquanto o aluno
apenas copia a matéria do quadro negro, eventualmente fazendo alguma pergunta ou um
comentário, mantendo o mesmo papel passivo há mais de cinco mil anos (LÉVY, 1990).
Como fator adicional à resistência de profissionais da educação tradicionalistas para o
uso de tecnologias no processo de aprendizagem, é possível atribuir a falta de treinamentos e
capacitação de professores para a utilização de tecnologias utilizadas no contexto educacional,
dentre as quais, se destacam os recursos informáticos e sistemas de computação, com
crescimento desde o início da década de 2000 (BARRETO et al., 2006).
2.2 EVOLUÇÃO HISTÓRICA DA TECNOLOGIA NA EDUCAÇÃO
O primeiro marco importante da utilização de tecnologia no processo de ensino-
aprendizagem ocorreu por volta de 1922, quando a reprodução de filmes foi viabilizada. De
acordo com Thomas Edison, a quem são atribuídos os méritos pela a invenção de
equipamentos utilizados para filmagem e projeção de imagens em tela, com o advento dos
filmes e, dentro de um intervalo de poucos anos, os livros tradicionais seriam praticamente
extintos do ambiente educacional (MAYER, 2001). A produção de filmes educacionais
19
possibilitaria a criação de séries de vídeos educacionais sobre variados conceitos, de modo
que a presença de um especialista em determinado assunto não seria mais fundamental em
sala de aula, para que a disciplina fosse ministrada. Porém, o passar dos anos mostrou que as
predições feitas por Edison não seriam tão bem aceitas pela comunidade acadêmica.
Na década seguinte, as pesquisas sobre o uso de tecnologia na educação foram
voltadas para o uso do rádio. É importante ressaltar que o método de difusão do rádio e dos
filmes é diferente, uma vez que o rádio pode ser escutado remotamente, apenas sendo
necessária a utilização de uma antena receptora, enquanto para a visualização dos filmes é
necessária a instalação de um aparato tecnológico mais complexo. O ensino a partir do rádio
permite que um grande número de estudantes possa acompanhar a aula remotamente, e
segundo Mayer (2001), o papel do receptor de rádio se tornaria tão fundamental quanto ao da
lousa em uma sala de aula. A partir do início dos anos 50, as funcionalidades do rádio foram
aumentadas com a invenção da televisão. A partir deste momento era capaz a combinação dos
benefícios da transmissão de imagens e áudio, fato que marcou a televisão como uma
tecnologia utilizada para transmitir o conteúdo instrucional para um grupo de pessoas
simultaneamente (por meio da tecnologia broadcast) e com funcionalidades de vídeo e áudio
integrados. Pôde-se perceber que com a utilização de tecnologias broadcast como o rádio e a
televisão, o ensino perde o caráter exclusivamente presencial e passa a ocorrer de forma que o
professor e o aluno não estejam simultaneamente no mesmo ambiente durante todo o curso ou
apenas em determinada parcela do processo de ensino, combinando a EaD com a educação
presencial. A segunda geração de ensino à distância difere da geração anterior, pois é marcada
pela utilização dos novos adventos tecnológicos no auxílio ao processo de ensino-
aprendizagem, enquanto a primeira geração de ensino à distância era baseada na troca de
cartas entre professores e alunos. Dentre as principais características da segunda geração do
ensino à distância destaca-se a educação voltada para o ensino de massa, com alta escala
econômica, possibilitando difundir o estudo em regiões menos acessíveis, produzindo
materiais e aulas como pacotes instrucionais, fatores que culminaram no fracasso desta
metodologia de ensino (BELLONI, 2003).
Ainda em meados da década de 50, os trabalhos de pesquisa do psicólogo
comportamentalista Burrhus Frederic Skinner ganham destaque, ao introduzir o conceito de
computadores no contexto da educação. Entre 1954 e 1958, Skinner vislumbrou um modelo
de máquina de aprendizagem, que tem como característica a navegação por uma sequência de
etapas mínimas, onde a cada etapa o usuário deve validar seu conhecimento para poder
prosseguir. Skinner considerou a possibilidade de o aprendiz inserir suas próprias respostas no
20
sistema, não se limitando apenas pela seleção da alternativa correta. Outro fator a ser
considerado no modelo da máquina de aprendizagem de Skinner é a funcionalidade de o
sistema gerar feedback ao usuário, conforme seu desempenho nos questionários (ROGERS et
al., 2009). A partir da década de 60, a contribuição do norte-americano Skinner no campo de
tecnologia aplicada ao contexto educacional, culminou na criação do termo CAI – Computer
Assisted Instruction ou Instrução Assistida por Computador (MAYER, 2001; ROGERS et al.,
2009). Desde então diversos projetos de pesquisa na área, como por exemplo em Matz (1982),
Sleeman (1982) e em Sleeman e Hendley (1982), se voltaram ao desenvolvimento de
ferramentas de estudo baseadas em programas de computador, na tentativa de otimizar o
processo de ensino-aprendizagem.
As primeiras propostas de softwares educacionais foram baseadas em programas
lineares, característicos por apresentar o conteúdo de forma pré-definida, portanto, não
permitem a flexibilização na abordagem do tópico estudado de acordo com o perfil do
estudante ou circunstância de ensino. Na tentativa de tornar os programas lineares mais
eficazes, foram desenvolvidos os programas ramificados cuja principal inovação era a
característica de se adaptar às diferentes respostas dos alunos, durante o decorrer da
navegação. O nível de adaptabilidade dos programas ramificados estava restrito em apresentar
aos alunos diferentes feedbacks em função do rendimento nas atividades propostas. Porém, no
início dos anos 70 o conceito de adaptabilidade foi refinado, i.e., foram desenvolvidos
sistemas que buscavam se adaptar ao estilo cognitivo de cada aluno levando em consideração
os pré-requisitos dos estudantes e o contexto de aprendizagem (ANDRADE, GAVIDIA,
2003).
O desenvolvimento destas ferramentas de estudo, baseadas em tecnologias
computacionais, exigiu uma interdisciplinaridade entre os aspectos da engenharia
propriamente ditos e as teorias de aprendizagem. A princípio, a teoria comportamentalista,
defendida por Skinner, e inserida em sua proposta da máquina de aprendizagem, se baseia na
premissa de que a aprendizagem ocorre a partir da repetição de um novo padrão
comportamental, até que este se torne um ato automático (ROGERS et al., 2009). Esta teoria,
assim como as pesquisas de Skinner sobre computação na educação foram os alicerces para o
projeto de programas educacionais até o início da década de 80, quando foi superada pela
nova teoria construtivista, proposta pelo biólogo, especialista em educação, Jean William
Fritz Piaget. A teoria construtivista defende que a aprendizagem ocorre a partir da interação
apropriada com o ambiente. Este conceito influenciou o desenvolvimento dos ambientes
virtuais de aprendizagem, onde a noção de aprender a partir de atividades de exploração e
21
criação é aplicada. Ainda de acordo com Piaget, o uso dos softwares educacionais e os
ambientes virtuais de aprendizagem, pode estimular a participação ativa do estudante no
processo de aprendizagem (ANDRADE; GAVIDIA, 2003; ROGERS et al., 2009). No início
dos anos 80, além da adesão à teoria de aprendizagem construtivista, houve um relevante
avanço nos métodos computacionais, onde os softwares educacionais passaram a incorporar
técnicas de inteligência artificial, caracterizando o nascimento do conceito de Sistemas
Tutores Inteligentes (STI), que possibilitaram otimizar os programas existentes e aumentar a
adaptabilidade e customização das ferramentas de estudo de acordo com o perfil do estudante
e do contexto de aprendizagem.
No início da década de 90, levando em consideração as novas tecnologias
desenvolvidas, foi constituída uma nova geração de ensino a distância (BELLONI, 2003).
Esta geração é marcada principalmente pelo conceito de TIC (Tecnologias da Informação e
Comunicação), que são os aplicativos inteligentes e interativos, redes telemáticas com páginas
web, e-mail, chats, fóruns de discussões, etc.
De acordo com Lago et al. (2007), no final da década de 90, foi criado o conceito de
componentes de softwares educacionais ou componentes de aprendizagem. Este conceito está
baseado na premissa de compor um contexto de ensino a partir de várias unidades, por meio
de uma combinação de componentes de aprendizagem. Desta forma é possível implementar
diferentes funcionalidades em distintos contextos de ensino. O fato de utilizar várias unidades
de software educacional fez necessária a criação de um grupo de estudo para desenvolver um
projeto Educational Software Components of Tomorrow (ESCOT, 2008), que criou
parâmetros a fim de garantir a interoperabilidade para a integração das diversas unidades de
software. O princípio da concepção dos componentes educacionais foi utilizado no
desenvolvimento de uma nova ferramenta de estudos: os Objetos de Aprendizagem (LAGO;
SANTANCHÉ; ALMEIDA; FILHO, 2007).
22
3 OBJETOS DE APRENDIZAGEM
Nos últimos anos foram desenvolvidas algumas propostas de ferramentas de ensino
utilizando recursos tecnológicos, porém, há um consenso entre os profissionais da área de
educação de que o conteúdo destes materiais, em sua maioria, é inadequado para que o
aprendizado ocorra de maneira eficiente. Segundo Casarotto, Kopittke e Casarotto Filho
(1998), isto se deve ao fato de que a conseqüência deste tipo de ferramenta é inibir a
comunicação entre professores e alunos, minimizando a função do professor e
individualizando o estudo. Estes materiais apenas buscam a reprodução da tradicional sala de
aula, apresentando textos longos, poucas animações e recursos interativos limitados. A quebra
deste paradigma na pedagogia vem estimulando pesquisas no mundo inteiro, na tentativa de
desenvolver um modelo de ferramenta de estudo que tenha uma nova abordagem na utilização
das novas tecnologias digitais e que possa ser usada efetivamente como suporte ao processo
ensino-aprendizagem.
3.1 PADRÕES PARA O DESENVOLVIMENTO DE OBJETOS DE
APRENDIZAGEM
Algumas importantes e conceituadas instituições de ensino buscaram suas próprias
definições para os objetos de aprendizagem. Uma das instituições mais reconhecidas e
respeitadas na área da engenharia, o Institute of Eletronics and Eletrical Engineers (IEEE),
definiu os objetos de aprendizagem como “uma entidade, digital ou não digital, que pode ser
usada e reutilizada ou referenciada durante um processo de suporte tecnológico ao ensino e
aprendizagem” (IEEE, 2008). Isto significa que segundo a definição dada pelo IEEE, um
objeto de aprendizagem não precisa ser necessariamente baseado em tecnologia digital. Deste
modo, um tradicional livro ou apostila pode ser considerado objeto de aprendizagem, mesmo
sem o uso da tecnologia digital em prol do aumento da eficiência do aprendizado.
Entretanto, devido ao fato do termo “Objetos de Aprendizagem” ser muito comum
entre os profissionais que buscam integrar as novas tecnologias ao ensino, David Wiley
(2000), pesquisador da área, definiu de forma mais clara os objetos de aprendizagem,
excluindo as entidades não digitais, ou seja, limitou os objetos de aprendizagem apenas como
entidades digitais.
Dado o potencial de crescimento e popularização destas novas ferramentas de estudo,
surgiram algumas iniciativas com o objetivo de padronizar as especificações, construção e
23
identificação dos objetos de aprendizagem (ADL, 2009). Estas especificações são
fundamentais para que os objetos de aprendizagem se tornem usados em larga escala e com
desenvolvimento sustentável, uma vez que os avanços tecnológicos evoluem em altas
velocidades e os meios de construção, elaboração e distribuição destas novas ferramentas de
ensino também acompanham tal evolução. Desta maneira, justifica-se maior organização e
estruturação para criação de objetos de aprendizagem em termos internacionais. Entre os
modelos existentes, o Sharable Content Object Reference Model (SCORM), de acordo com
Dutra e Tarouco (2006), é o de maior destaque e, portanto, é mais detalhado nesta pesquisa.
Entretanto, um segundo modelo, Instructional Management System Learning Design (IMS
Learning Design), tem agregado uma quantidade relevante de usuários apresentando certo
crescimento e popularização.
Com base nos recentes estudos e novas propostas para o futuro da educação, o
Departamento de Defesa Americano (DoD) criou uma subdivisão responsável por gerenciar
as novas alternativas para a educação e tecnologias de ensino. O principal objetivo do
Advanced Distributed Learning (ADL, 2009) é desenvolver as ferramentas, padrões e
regulamentação de conteúdos, visando promover acesso ao ensino de alta qualidade, levando
em consideração as limitações individuais dos alunos e suas necessidades de aprendizado e
reciclagem de conceitos em qualquer hora e local. A criação do ADL repercutiu entre as
comunidades de pesquisa na área de e-learning, proporcionando considerável evolução das
metodologias de desenvolvimento, distribuição e gerenciamento dos conteúdos dos materiais
de ensino. O ADL é responsável pelo padrão chamado de SCORM – Sharable Content Object
Reference Model. Este modelo agrega definições dadas pelas mais importantes instituições,
como o IEEE, IMS Global Learning Consortium e Aviation Industry Computer-Based
Training Committee (AICC, 2008), tornando o padrão SCORM o mais reconhecido e aceito
mundialmente (DUTRA; TAROUCO, 2006).
Em outubro do ano de dois mil e seis, foi lançada a versão mais atual deste modelo,
onde a ADL publicou a terceira edição do SCORM 2004. Esta publicção foi dividida em
quatro livros (Overview, Content Aggregation Model, Run-Time Environment e Sequencing
and Navegation). A figura a seguir (Figura 1) mostra esta divisão de livros.
24
Figura 1 – Distribuição do modelo SCORM em quatro livros (Traduzido e adaptado do Livro 1 – ADL, 2009)
A descrição dos quatro livros encontrados no modelo SCORM são apresentados a
seguir, conforme tradução do autor desta proposta, a partir das referências do SCORM (ADL,
2009). O primeiro livro, Overview, tem como objetivo identificar a visão geral e premissas
para concepção do modelo SCORM, detalhando seus princípios, organização, criação e
história deste modelo de desenvolvimento de objetos de aprendizagem. Existem requisitos
que todos os objetos de aprendizagem devem atender segundo o modelo SCORM:
Acessibilidade, Adaptabilidade, Sustentabilidade, Durabilidade, Interoperabilidade e
Reusabilidade. Por intermédio das regras e procedimentos descritos nos outros três livros que
compõem o modelo SCORM, são garantidos ao objeto de aprendizagem estes requisitos.
A idéia de acessibilidade consiste em permitir que componentes instrucionais possam
ser localizados e acessados remotamente. Esta característica permite que os objetos de
aprendizagem sejam acessíveis de forma a flexibilizar o tempo de estudo de alunos e
professores, realizando suas tarefas de maneira mais agradável, de acordo com as
peculiaridades da agenda de cada pessoa.
Os componentes instrucionais em conformidade com o modelo SCORM também
devem ter a habilidade de se adequar às necessidades individuais e organizacionais,
caracterizando o conceito de adaptabilidade. Isto significa que os objetos de aprendizagem
devem se moldar ao perfil dos estudantes e das instituições de ensino, atendendo às
particularidades de cada usuário, provendo a desejada excelência na transmissão de
conhecimento.
25
Sustentabilidade é outro aspecto importante e baseia-se no incremento de eficiência e
produtividade que o material de ensino pode apresentar, reduzindo tempo e custos envolvidos
na distribuição e uso dos mesmos. Este requisito pode ser compreendido analisando a
evolução científica e a necessidade de aquisição de conhecimento na tentativa de acompanhar
a velocidade de tal evolução. Para isto, os objetos devem ter a estrutura organizada de tal
maneira, onde a atualização e inserção de novas informações possam ocorrer de maneira
rápida e prática. O modelo SCORM também referencia a durabilidade de seus materiais
educacionais, exigindo suporte para que os mesmos acompanhem as evoluções e mudanças
tecnológicas sem custos de re-planejamento, re-configuração e recodificação. Este requisito
pode ser compreendido analisando a evolução tecnológica das ferramentas de
desenvolvimento e distribuição dos objetos de aprendizagem. A medida que as novas
ferramentas e tecnologias são desenvolvidas, os objetos de aprendizagem devem ser
atualizados rapidamente, sem que haja defasagem de tecnologia. A partir desta habilidade, o
aspecto da durabilidade torna-se mais relevante devido aos desafios mundiais de otimizar
recursos econômicos.
Com o objetivo de proporcionar diversas opções de ferramentas de desenvolvimento e
distribuição dos objetos de aprendizagem, o conceito de interoperabilidade, segundo o modelo
SCORM, está relacionado com a habilidade dos componentes instrucionais estarem locados
em uma plataforma de gerenciamento de ensino e ainda, este mesmo material, poder ser
disponibilizado em outras plataformas de ensino. Esta característica é importante para que
haja um padrão de armazenamento e desenvolvimento, possibilitando a operação dos
conteúdos instrucionais em inúmeras plataformas de ensino.
Outro requisito diz respeito à habilidade de reutilização do objeto de aprendizagem.
Isto significa que o material de ensino deve ter flexibilidade para ser usado em múltiplas
aplicações e contextos diferentes de ensino-aprendizagem. Esta peculiaridade aponta que o
mesmo objeto de aprendizagem pode ser utilizado por alunos e professores de graduação, pós-
graduação e inclusive por profissionais do meio corporativo.
Além disto, um aspecto fundamental do modelo SCORM é considerar que a
distribuição do conteúdo dos componentes instrucionais deva ser feita por meio da Internet.
De acordo com a filosofia adotada pelo SCORM, a distribuição do conteúdo educacional pela
web é a melhor maneira de maximizar o acesso e o uso destas ferramentas de ensino.
O livro dois, Content Aggregation Model (CAM), descreve o tipo do conteúdo para o
desenvolvimento dos objetos de aprendizagem, com o objetivo de orientar o empacotamento
do conteúdo, facilitando a adaptação em diversas plataformas e sistemas, além de definir as
26
responsabilidades e requerimentos para a agregação de componentes como módulos, lições,
capítulos novos, etc. Neste livro também estão definidas as regras e informações de como os
sistemas de gerenciamento de ensino (LMS) devem processar os pacotes e conteúdos. De
acordo com o SCORM, a organização do conteúdo deve ser estruturada em um arquivo
chamado de manifesto (Figura 2), definido na linguagem XML (Extensible Markup
Language). A figura a seguir exemplifica o arquivo imsmanifest.xml gerado a partir do
desenvolvimento de parte do objeto de aprendizagem proposto neste trabalho.
Figura 2 – Exemplo de Arquivo imsmanifest.xml (Autoria própria)
A partir do exemplo visto na figura 2, pode-se identificar que o conteúdo do pacote
SCORM é subdividido em quatro elementos: identificação do manifesto, metadados,
organização e recursos. Primeiramente, o identificador do manifesto mostra as referências
adotadas pelo modelo SCORM. Na figura 2, é possível identificar os endereços das
respectivas páginas web do IMS Project, Advanced Distributed Learning (ADL), IMS Global
e XML. O segundo elemento definido é chamado de metadados e nesta etapa é definido que o
conteúdo do pacote é em acordo com a versão 1.2 do modelo SCORM, por exemplo.
Resumidamente, o elemento metadados é responsável por prover informações sobre os dados
agrupados no pacote. Na figura 3, pode ser visualizado, em detalhes, um exemplo da
descrição do tipo de metadados utilizados.
Figura 3 – Descrição do tipo de metadados (Autoria própria)
27
A seguir, é definido o elemento denominado organização (organizations) que define a
hierarquia das unidades de estudo do objeto de aprendizagem. A Figura 4 representa um
modelo de distribuição hierárquica de um objeto de aprendizagem.
Figura 4 – Modelo hierárquico organização SCORM (Traduzido e adaptado do livro Content Aggregation Model ADL, 2009)
A figura 5 mostra, em detalhes, como a organização do objeto de aprendizagem é
descrita por meio do arquivo imsmanifest. Neste exemplo, é possível visualizar que o(s)
tópico(s) é (são) organizado(s) a partir de uma estrutura hierárquica. No mesmo exemplo, o
Objeto de Aprendizagem apresenta um único tópico, denominado “Limitação EDFA”.
Figura 5 – Descrição da organização do Objeto de Aprendizagem no arquivo imsmanifest.xml (Autoria Própria)
28
Finalmente, são definidos os recursos que o objeto de aprendizagem dispõe, que
podem ser arquivos de texto, imagens, áudio, vídeo, animações em Flash. A figura 6 mostra
como os recursos são descritos e identificados no arquivo imsmanifest.xml. É possível
verificar que no exemplo exibido, o recurso é identificado como um asset, com referência ao
arquivo “P1.7.swf”.
Figura 6 – Descrição dos Recursos do Objeto de Aprendizagem no arquivo imsmanifest.xml
Cada elemento que forma o conteúdo dos Objetos de Aprendizagem pode ser
classificado como Asset, ou um Sharable Content Object (SCO), conforme mostra a figura 7.
De acordo com o ADL (2009), um Asset pode ser definido como qualquer representação de
mídia eletrônica como, por exemplo, um arquivo de texto, imagem, áudio ou qualquer
elemento que pode ser acessado por meio de um cliente web (usuário). Por outro lado, um
SCO é caracterizado pelo mesmo conceito de um asset, porém deve cumprir com os seguintes
requisitos, definidos pelo SCORM (ADL, 2009):
• Deve ser independente do contexto de aprendizagem, com o objetivo de aumentar a
reusabilidade;
• Deve ser descrito por meio de metadados;
• Deve aderir ao modelo Run Time Environment (RTE), definido pelo SCORM, para
comunicação com as plataformas de gerenciamento de ensino (LMS) que adotem o
padrão IEEE ECMAScript API para comunicação;
• Pode ser agregado a outro(s) SCO(s) com o objetivo de formar uma atividade, visando
a ampliação do escopo de conceitos abordados;
• Pode assumir qualquer tamanho (em número de bytes), porém devem ser o menor
possível, pois o SCO é considerado o nível mais granular a ser disponibilizado em
uma plataforma de gerenciamento de ensino (LMS).
A seguir, a Figura 7 ilustra estas definições e exemplifica a diferença entre Assets e
SCOs.
29
Figura 7 – Definição Asset e SCO (Traduzido e adaptado do livro Content Aggregation Model ADL, 2009)
O livro seguinte, Run-Time Environment (RTE), refere-se aos meios para gerenciar as
interações do usuário com o SCO por meio da plataforma de gerenciamento de ensino (LMS).
É proposto um modelo temporal para o estudo da comunicação entre usuário, SCO e a LMS.
A ilustração a seguir (Figura 8) mostra alguns conceitos definidos pela ADL.
Figura 8 – Modelo temporal RTE
(Traduzido e adaptado do livro Run-Time Environment. ADL, 2009)
30
Login da sessão: é o período de tempo em que o usuário permanece conectado ao sistema
(logon e logout);
Tentativa do usuário: esforço realizado pelo usuário para satisfazer os requisitos impostos
pela determinada atividade de aprendizagem;
Sessão do usuário: é o tempo em que o usuário permanece ativo na conexão com o SCO;
Comunicação: é a conexão entre o SCO e o API, objeto principal do livro RTE.
O conceito principal abordado no livro Run-Time Environment é definir que o modo
de comunicação entre um SCO e o LMS deve ser por intermédio de uma aplicação de
interface (Application Programming Interface – API) capaz de realizar tal tarefa. A API é um
módulo programado geralmente em Java Script e nesta aplicação é dedicado ao
gerenciamento de comunicação (Run time services communication RTC). A API deve ser
provida pela plataforma de gerenciamento de ensino, desta maneira, garante aos SCOs as
características de interoperabilidade e reusabilidade. Se a incumbência de prover a API é da
plataforma de ensino, deve ser de responsabilidade do SCO a busca e solicitação de conexão
com a API. Uma vez estabelecida a conexão, o SCO e a LMS iniciam o processo de troca de
dados que pode assumir os seguintes estados (Figura 9):
1) Not initialized (Não iniciada)
2) Running (Em andamento)
3) Terminated (Encerrada)
Figura 9 – Estados da Comunicação entre SCO e LMS
(Traduzido e adaptado do livro Run-Time Environment ADL, 2009)
31
O estado “not initialized” é imediatamente anterior ao início da comunicação entre
SCO e LMS. É neste momento que o SCO deve buscar estabelecer comunicação, de acordo
com solicitação do usuário. Ao estabelecer a comunicação, o estado é alterado para “running”
e a partir disto, o SCO pode realizar tarefas como armazenar dados externos, exibir algum
valor calculado ou recuperado de um banco de dados e ainda encerrar a comunicação entre
SCO e LMS. Uma vez encerrada a comunicação, o estado se altera para “Terminated”.
O último entre os quatro livros que descrevem modelo de referência SCORM, é
denominado Sequecing and Navegation (SN). Tem o objetivo de definir os métodos de
representação do comportamento pretendido em determinada experiência de aprendizagem.
Isto significa que neste livro há uma orientação de como um sistema de gerenciamento de
ensino deve interpretar o sequenciamento das atividades do contexto de aprendizagem de
maneira consciente. Este livro define também o comportamento e funcionalidades que o LMS
deve ter para processar as sequências de navegação e o fluxo das atividades, de forma a
proporcionar a possibilidade do processo de aprendizagem eficaz. A estrutura lógica de
sequência e navegação é representada por um diagrama de árvore (Figura 10) em que as
atividades são organizadas hierarquicamente, de acordo com a estrutura definida no
respectivo arquivo imsmanifest.xml.
Figura 10 – Modelo de Seqüência e Navegação
(Traduzido e adaptado do livro Sequencing and Navigation ADL, 2009)
32
Existe um procedimento para verificação de conformidade de um objeto de
aprendizagem. Podem ser definidas duas categorias para o conteúdo dentro dos requerimentos
do modelo SCORM: Conformant (indicando que o material de ensino segue as especificações
descrita no modelo SCORM 2004 4th edition, pois foi aprovado no self-test, realizado pelo
software disponibilizado pela ADL.) e Certified (quando o componente instrucional foi
aprovado nos testes feitos nos próprios laboratórios da ADL).
Como pôde ser visto, o enfoque do modelo SCORM é o conteúdo instrucional e o
modo que é disponibilizado e distribuído aos alunos, preocupando-se apenas com um modelo
de aprendizado individualizado. Esta visão não considera a interação entre professores e
alunos fundamental para o aprendizado.
3.2 DISTRIBUIÇÃO DOS OBJETOS DE APRENDIZAGEM
Com o crescimento das discussões e avanços do e-learning, surgiu a necessidade de
organizar os métodos de disponibilização dos conteúdos dos materiais e ferramentas de
estudos digitais. Os objetos de aprendizagem podem disponibilizados por meio dos
aplicativos de Gerenciamento de Conteúdo e/ou Ensino ou por meio de repositórios de
objetos de aprendizagem, ou Learning Object Repositories – LOR (SILVEIRA et al., 2007).
Os repositórios de objetos de aprendizagem podem ser definidos como locais públicos
ou não, onde objetos de aprendizagem são armazenados. Pode-se ainda incluir nesta definição
as propriedades dos repositórios apresentarem acesso por rede, sem exigir que o usuário tenha
algum conhecimento prévio sobre a estrutura de dados utilizada para armazenar os objetos de
aprendizagem. Os repositórios de objetos de aprendizagem, além de armazenar os assets, são
responsáveis por registrar os metadados associados a cada objeto de aprendizagem
(SILVEIRA et al., 2007).
O conceito dos aplicativos de gerenciamento de conteúdo, ou Content Management
Systems (CMS) pode ser definido como um conjunto de regras e tecnologias com o objetivo
de orientar e permitir que instituições de ensino ou corporações possam gerenciar e
disponibilizar conteúdo de informações instrucionais. Em outras palavras, um sistema de
gerenciamento de conteúdo é encarregado por armazenar e distribuir o conteúdo de forma on-
line (IRLBECK; MOWAT, 2007).
As plataformas de gerenciamento de ensino, ou Learning Management Systems
(LMS), possibilitam o gerenciamento e administração do conteúdo dos materiais utilizados no
processo de aprendizagem, e também podem fornecer a estrutura para que os alunos planejem
33
e executem seus estudos individualmente, além de trocar informações e conhecimentos com
outros colegas e professores por meio de meios eletrônicos como e-mail, chats, etc. De acordo
com Silveira, Omar e Mustaro (2007), ainda é possível destacar que as principais
funcionalidades de um LMS são: catalogar cursos on-line, registro de usuários, iniciar e
carregar materiais digitais, relatórios de acesso e navegação pelos cursos. O LMS ainda pode
proporcionar a aprendizagem colaborativa e síncrona entre usuários do sistema, desde que
haja conexão a Internet ou Intranet. Por fim, os LMS ainda podem se comunicar e se integrar
com outros aplicativos. É importante ressaltar que o LMS não tem a tarefa de gerenciar, criar
ou fazer a busca por conteúdo, que deve ser integrado previamente ao LMS para
disponibilização ao aprendiz posteriormente.
Já os sistemas de gerenciamento de ensino e conteúdo (Learning Content Management
System – LCMS) permitem que o conteúdo possa ser armazenado, gerenciado, usado e
reusado a partir de uma base de dados integrada. Por outro lado, o LCMS também permite o
gerenciamento e acompanhamento da navegação dos aprendizes pelos cursos on-line. O
repositório (base de dados central) é responsável pelo armazenamento dos objetos de
aprendizagem (SCO), que são disponibilizados aos usuários de forma individualizada ou
coletiva. A interface de apresentação ao usuário apresenta feedback, integra outros recursos e
gera relatórios para acompanhamento da navegação e desempenho do aprendiz em
determinado contexto de aprendizagem (IRLBECK; MOWAT, 2007). Pode-se concluir que o
uso destes três aplicativos é recomendado para a distribuição de objetos de aprendizagem. As
características e peculiaridades de cada ferramenta devem ser analisadas de acordo com o
contexto e objetivos educacionais.
O MOODLE é um ambiente de aprendizagem desenvolvido em 1999 pelo australiano
Martin Dougiamas e associou inúmeros membros, principalmente em universidades
internacionais (KENNEDY, 2005). Por se tratar de um LCMS, a partir do MOODLE, é
possível realizar atividades como o desenvolvimento e armazenamento de ferramentas de
estudo, propor discussões sobre metodologias de ensino e assuntos relacionados ao próprio
ambiente de aprendizado e suas interfaces. Por ser um sistema de gerenciamento de ensino, o
MOODLE disponibiliza um conjunto de ferramentas formado por fóruns, diários, chats,
questionários, artigos, além de objetos de aprendizagem (MOODLE, 2009). Estes recursos
podem ser controlados pelos professores, com o objetivo de otimizar o processo de
aprendizagem.
O desenvolvimento de objetos de aprendizagem sugere ainda, a interação com outras
tecnologias como IA, mapas conceituais, simulações computacionais, entre outras. Desta
34
forma, é possível facilitar o alcance das metas de aprendizagem definidas e, principalmente,
que isto ocorra de forma otimizada, na tentativa de suprir as falhas e lacunas deixadas pelo
uso inapropriado de tecnologia no contexto de aprendizagem ao longo da história.
35
4 RECURSOS TECNOLÓGICOS COMPLEMENTARES AOS OBJETOS
DE APRENDIZAGEM
O uso de tecnologias, seja em ambientes virtuais de aprendizagem, em objetos de
aprendizagem ou em qualquer sistema tutor inteligente, pode ser visto como uma estratégia
alternativa para otimização do processo de ensino-aprendizagem. Tais recursos digitais
possibilitam um melhor aproveitamento da capacidade de aprendizagem de cada estudante.
No contexto de e-learning, o estudo das ciências cognitivas avançou concomitantemente com
as técnicas computacionais, culminando no desenvolvimento de métodos e práticas que
buscam estimular a aprendizagem significativa nos estudantes. Além deste fator, o uso de
tecnologia permite a representação de fatores intrínsecos ao ambiente de aprendizagem
presencial. Dentre os principais fatores, é possível destacar aspectos motivacionais,
intelectuais, emocionais e sensoriais (NETTO, 2004).
O conceito de aprendizagem significativa é estudado pelas ciências cognitivas. Esta
teoria está associada a premissa de que um novo conhecimento é construído por meio da
interação com algum conhecimento prévio relevante (chamado de subsunçor), existente na
estrutura cognitiva do aprendiz (MOREIRA, 2008). A partir da ocorrência da aprendizagem
significativa, o conhecimento “inédito” passa a ter um significado psicológico, conexões são
criadas entre o conhecimento adquirido no passado e o novo conhecimento (LÉVY, 1990). A
partir da figura 11, é possível comparar por meio de ilustrações, a ocorrência da aprendizagem
mecânica (esquerda) e da aprendizagem significativa (direita).
Figura 11 – Comparativo entre aprendizagem mecânica (esquerda) e aprendizagem significativa
(direita). (Adaptado de Monteiro et al., 2006)
36
De forma contrária ao princípio da aprendizagem significativa, proposta pelo norte-
americano David Paul Ausubel, na aprendizagem mecânica não ocorre o armazenamento,
internalização e incorporação do novo conhecimento à estrutura cognitiva do estudante. Não
há compreensão ou transferência de conteúdo. Na figura 11, o conceito de aprendizagem
mecânica e significativa é ilustrado por uma analogia ao encaixe de uma nova peça no jogo de
quebra-cabeça, indicando a falta de conexão do novo tópico estudado aos conceitos
previamente existentes (esquerda) ou o encaixe perfeito de uma nova peça no quebra-cabeça
(direita). Memorizar simplesmente expressões de física ou matemática, fórmulas químicas,
fatos históricos são exemplos de aprendizagem mecânica (MOREIRA, 2008).
Segundo Moreira (2008), a aprendizagem mecânica e significativa não representam
eventos mutuamente excludentes, isto implica que a aprendizagem pode ser parcialmente
mecânica e parcialmente significativa. Portanto, a aprendizagem mecânica não é
necessariamente negativa, inclusive pode ser utilizada como uma estratégia para,
progressivamente, ocorrer a aprendizagem significativa. Cabe aos educadores estimular
sempre a aprendizagem significativa, desde que o conhecimento prévio do estudante seja
compatível com a área de conhecimento dos novos conceitos. Ainda são necessárias as
seguintes condições para a ocorrência de aprendizagem significativa (MOREIRA, 2008).
• O material de estudo deve ser potencialmente significativo, ou seja, deve apresentar os
conceitos de forma a estimular o relacionamento dos mesmos à estrutura cognitiva do
estudante.
• Haja um esforço deliberado por parte do aprendiz para relacionar de maneira
substantiva e não arbitrária o novo conhecimento à sua estrutura cognitiva.
É possível analisar a sequência de processos para a ocorrência da aprendizagem
significativa. O entendimento destas etapas permite a visualização dos benefícios e melhorias
que os recursos tecnológicos aplicados à educação podem proporcionar no contexto de
aquisição de novos conhecimentos. A Figura 12 ilustra os processos inerentes à
aprendizagem.
37
Figura 12 – Etapas do processo de aprendizagem significativa. (Traduzido e adaptado de Mayer, 2001)
De acordo com a figura 12, é possível identificar que o processo de aprendizagem está
relacionado à memória, ou seja, ao processo armazenamento dos novos conceitos na mente do
estudante (BAILEY et al., 1996). Para que esta tarefa seja realizada, o cérebro dispõe da
memória de trabalho ou memória de curto prazo, e da memória de longo prazo. A
memória de curto prazo se refere à atenção e ao conhecimento ativo na consciência do
aprendiz (LÉVY, 1990; MAYER, 2001). É possível exemplificar o uso da memória de curto
prazo quando estudantes memorizam fórmulas matemáticas específicas para a aplicação em
um exame. A memória de longo prazo representa o armazém de conhecimentos dos seres
humanos (MAYER, 2001). É na memória de longo prazo que é armazenado o conhecimento
por um longo período de tempo (LÉVY, 1990; MAYER, 2001).
Conforme a sequência de etapas ilustradas na Figura 12, pode-se visualizar que para a
integração de um novo conceito ao conhecimento adquirido anteriormente, são necessárias as
seguintes etapas (MAYER, 2001): Primeiramente o conteúdo é apresentado na forma de
textos, narrações, imagens ou animações, em que sensores, como olhos e ouvidos são
responsáveis por captar os novos conteúdos. Esta etapa refere-se apenas à ativação das
estruturas sensoriais do indivíduo, em outras palavras, é quando uma pessoa começa a
perceber o mundo e o ambiente que a cerca. Na etapa seguinte, a mente humana realiza uma
seleção de palavras e/ou imagens na memória de trabalho. Isto significa que as sensações
estão sendo convertidas em impulsos elétricos no cérebro; é quando o indivíduo começa a
tomar relativa consciência de suas sensações. Ainda na memória de trabalho é criado um
modelo (verbal e/ou visual) que estrutura e organiza o conhecimento. Conceitualmente, a
simbolização está relacionada com a capacidade de representação de forma verbal ou visual.
De acordo com Mayer (2001), a organização do conhecimento pode ocorrer principalmente na
forma de classificação, numeração, generalização ou cadeias de causa-efeito. A estrutura do
conhecimento é induzida de acordo com a forma e metodologia que o conteúdo é apresentado.
38
Conforme indicam as flechas orientativas na figura 12, os textos escritos formam um modelo
essencialmente verbal, mesmo que tenham sido lidos. Imagens e animações, assim como
textos e narrações podem formar modelos verbais e visuais, porém sempre haverá um modelo
predominante (MAYER, 2001). Em relação ao sequenciamento de processos apresentado na
figura 12 e ainda de acordo com a teoria cognitiva, é importante fazer duas observações
(MAYER, 2001). O primeiro aspecto está relacionado ao fato de que a capacidade de
absorção de novos conteúdos é limitada, explicando o motivo pelo qual há uma seleção de
palavras e imagens. Outro aspecto importante é o fato de haver dois canais de processamento
de informações: O canal verbal responsável por trabalhar com o conteúdo apresentado na
forma de textos escritos e narrações; e o canal visual incumbido de processar as imagens e
animações apresentadas aos estudantes. Por fim, é importante que o desenvolvimento de
novas habilidades e conceitos num indivíduo ocorra através destes níveis de aprendizagem de
maneira gradativa e dependente do desenvolvimento físico, cognitivo e afetivo de cada
pessoa. Isto significa que não há dois seres humanos que consigam aprender no mesmo
espaço de tempo e na mesma velocidade. Com base nestes estudos, cresce a relevância dos
métodos de ensino em que o aluno pode administrar seu próprio tempo e estudo e desta
maneira, cada um se adapta e aprende os conteúdos propostos em sua própria velocidade e
tempo.
A análise da teoria cognitiva mostra que os avanços tecnológicos, de fato, podem
proporcionar o aumento da eficiência na aprendizagem ao se desenvolver ferramentas com
recursos multimídia, interativos, entre outros, que são pouco explorados nas metodologias de
ensino tradicionais. Entretanto, é importante ressaltar que deve haver um critério bem
definido no projeto de dispositivos instrucionais digitais. Desta forma, a inserção de
elementos digitais, com recursos multimídia, desenvolvidos com base em metodologias
específicas para a aprendizagem, pode culminar em ganho de rendimento em avaliações, da
ordem de 46% a 89% (MAYER, 2001). Em outras palavras, para que a carga cognitiva, ou
seja, o somatório da carga de conteúdo intrínseco ou externo do material instrucional na
memória de trabalho não seja superior aos limites dos alunos para absorção de conteúdo
(Brünken et al. 2003). Caso haja sobrecarga cognitiva, este fato pode comprometer o
aproveitamento das vantagens inerentes ao uso de animações interativas no processo de
aprendizagem mediado por um ambiente computacional (TAROUCO, CUNHA, 2006).
O conceito de objeto de aprendizagem pode ser relacionado a outros conceitos como
os de tecnologias multimídia, interatividade, simulações computacionais, mapas conceituais,
entre outras, de forma a estimular os estudantes à aprendizagem significativa.
39
4.1 RECURSOS MULTIMÍDIA
A definição de multimídia, de acordo com Mayer (2001), é dada pela apresentação de
um conteúdo utilizando palavras e imagens. Entende-se por palavra como um texto escrito ou
narrado, representado a forma verbal de apresentação do conteúdo. A idéia de imagens está
relacionada a figuras, animações, gráficos, fotos, representando a forma visual para
representação do conteúdo.
O modelo de transmissão de conteúdo de forma verbalista amplamente utilizado ao
longo da história no contexto educacional (LÉVY, 1990; LOPES, 1991) vem sofrendo
algumas transformações com o advento da tecnologia multimídia inserida nos computadores.
Entretanto, de acordo com Mayer (2001), os recursos multimídia não devem ser vistos apenas
como uma forma de aquisição de informações e sim como uma estratégia para estimular nos
aprendizes a construção de conhecimento. Na área de ciências exatas, é possível obter
resultados satisfatórios do ponto de vista educacional quando estudantes utilizam animações
computacionais, pois este fato torna mais intuitiva a análise do comportamento de uma
equação ou fenômeno físico (MEDEIROS; MEDEIROS, 2002; MONTEIRO et al., 2006).
4.2 INTERATIVIDADE
Desde o desenvolvimento dos primeiros sistemas computacionais a interação com o
usuário não era levada em consideração pelos engenheiros desenvolvedores de sistemas, que
poluíam as telas com chaves, botões e mostradores. A partir do início dos anos 80, o estudo da
Interação Homem-Computador (IHC) ganhou destaque, como fator com potencial para
otimizar o uso de um software. A interação pode ser definida como um processo onde o
usuário atua sobre a interface do software e posteriormente recebe e decodifica as respostas
do sistema. Desta forma a comunicação entre o usuário (humano) e máquina é estabelecida
(NETTO, 2004; PREECE et al., 2004). A figura 13 ilustra o processo de interação IHC.
Figura 13 – Modelo de Interação entre usuário e Computador (Adaptado de Preece et al.. In: Netto, 2004)
40
O crescimento de ferramentas de desenvolvimento de softwares interativos colaborou
para o estudo de estratégias para tornar programas computacionais mais amigáveis,
facilitando a disponibilização de ferramentas de trabalho digitais para uma gama maior de
usuários e em diferentes aplicações. Para isto, foi criada uma área dentro da engenharia de
software chamada de Design de Interação, com o objetivo de estabelecer e criar mecanismos
para atingir as metas de usabilidade de um software e de satisfação do usuário.
As metas de usabilidade se referem a fatores que visam assegurar a facilidade de uso,
eficácia e eficiência e o nível de satisfação do usuário em relação ao programa computacional.
Entretanto, existem também as metas decorrentes da experiência do usuário, que estão
focadas em garantir como e quais sensações o usuário terá ao interagir com o software. As
metas de experiência com o usuário se tornam relevantes com o constante crescimento de
tecnologias que podem ser utilizadas para dar suporte a usuários durante a interação com o
computador. A figura a seguir (Figura 14) ilustra as metas do design de interação.
Figura 14 – Metas do Design de Interações (Traduzido e adaptado de Preece et al., 2004)
No ciclo externo é possível notar que as metas decorrentes da experiência com o
usuário são menos claramente definidas e cabe à equipe de desenvolvimento do software
encontrar o equilíbrio destes aspectos de acordo com as aplicações especificas (PREECE et
al., 2004).
41
A definição do que é IHC, assim como o estudo das metas de usabilidade e das metas
decorrentes da experiência com o usuário trouxeram contribuições para a área de educação,
onde estes conceitos são aplicados para que a interação entre um sistema tutor e o aprendiz
possa trazer aspectos inerentes e necessários ao ensino como, por exemplo, fatores
motivacionais e emocionais (NETTO, 2004). Por outro lado, é possível verificar o
comportamento ativo por parte dos aprendizes durante o estudo interativo. Durante a
navegação do usuário são estimuladas ações como formulação de intenções, especificação de
seqüência de atividades, percepções, interpretação de resultados e avaliação dos mesmos.
Estas atividades podem ajudar o estudante atingir a aprendizagem significativa.
Nestas etapas de interação os estudantes têm a possibilidade de trocar experiências e
conhecimento com outros estudantes ou tutores virtuais. A comunicação usuário-sistema pode
oferecer aos aprendizes novos desafios e perspectivas, aliviando possíveis tensões emocionais
características ao se realizar uma avaliação, por exemplo. Na área de educação, os recursos
interativos contribuem, portanto, para que a tradicional metodologia de ensino seja
transformada.
4.3 APRENDIZAGEM POR SIMULAÇÃO
A evolução tecnológica no campo da computação proporcionou o desenvolvimento de
hardware e softwares com velocidade de processamento e realização de cálculos que
cumprissem com os requisitos básicos para que engenheiros de software desenvolvessem
programas dinâmicos e interativos capazes de simular sistemas físicos de forma fiel à
realidade (LÉVY, 1990; NAHVI, 1996). Este tipo de ferramenta é responsável, ainda de
acordo com Pierre Lévy (1990), por uma nova metodologia de aprendizagem em que o
conhecimento é adquirido por meio de simulação, ao variar parâmetros reais de um
determinado modelo matemático que representa um sistema físico do mundo real, permitindo
que os usuários atuem diretamente nos principais elementos do sistema, possibilitando
interação natural com os fenômenos estudados.
A forma de aprendizagem por simulação trata-se de uma metodologia diferenciada em
relação às outras técnicas como experimentos de laboratórios, aulas teóricas e o ensino oral
tradicional (LÉVY, 1990). Entre os aspectos fundamentais da aprendizagem por simulação
destaca-se o fato de proporcionar ao usuário a possibilidade de alteração dos principais
parâmetros do sistema de interesse em tempo real e de forma interativa, verificando os
resultados de suas modificações, criando intuitivamente uma estrutura dos conceitos
42
estudados de causa e efeito. A interação entre o simulador e o usuário tem potencialmente
como conseqüência a otimização da aprendizagem de acordo com os conceitos da teoria
cognitiva, uma vez que os tópicos de interesse podem ser estudados a partir de interfaces
interativas e multimídia, criando no cérebro dos aprendizes modelos verbais e visuais. A
imagem a seguir (Figura 15) ilustra o modelo de interação proposto por Nahvi (1996) entre a
ferramenta de simulação e o usuário.
Entrada
(sensores)
Processamento
dos dados
Tomadas
de decisão
Planejamento
(Estratégia)
Saída
(atuadores)
Saída
(Resultados)
Entrada
(Interface)
Simulação
Modelos
Matemáticos
Recursos
Computacionais
Usuário
(Aprendiz)Computador
Figura 15 – Modelo de interação com simuladores computacionais
(Traduzido e adaptado de Nahvi, 1996).
A partir do modelo de representação da interação homem-simulador fica explicita a
função cognitivamente ativa por parte dos aprendizes, onde é de responsabilidade dos mesmos
a execução de tarefas de controle, processamento dos dados e resultados gerados pelo sistema,
tomadas de decisão e planejamento de atividades e seqüenciamento de etapas da simulação.
Portanto, as ferramentas de simulação proporcionam alto grau de interatividade,
interface multimídia e participação ativa por parte dos aprendizes no processo de ensino-
aprendizagem, fazendo com que o a simulação possa atuar como orientadora para organização
do conhecimento de forma bem definida como uma relação de causa e efeito. Estes fatores
são agentes que colaboram para um melhor aprendizado, de acordo com a teoria cognitiva.
43
Apesar das discussões sobre o uso mais amplo de simulações como ferramentas de
aprendizagem serem feitas após a evolução de recursos computacionais, desde o principio da
utilização de computadores as simulações existem como forma de aquisição de conhecimento.
Segundo Pierre Lévy (1990), dentre as ferramentas de simulações primitivas podem-se
destacar as planilhas de cálculos orçamentários e os softwares de desenho assistido por
computador (Computer Aided Design – CAD) responsáveis por auxiliar seus usuários nas
tomadas de decisões a partir dos resultados e do conhecimento adquirido pela simulação
computacional. As aplicações clássicas apresentam considerável relevância, já que permitem
tomadas de decisões de natureza econômica, militar e simulações de fenômenos que são
impossíveis ou com alto nível de complexidade para simular os cenários fisicamente em
laboratórios.
Com o aumento do estudo de aplicações das simulações computacionais no processo
de ensino, foram criadas duas classes para categorização desta nova tecnologia: As
simulações off-line e as simulações em tempo real (NAHVI, 1996). O principal uso das
ferramentas de simulações off-line é avaliar modelos de equações matemáticas, em que o
usuário configura um determinado conjunto de parâmetros, inicia a simulação e após o
processamento dos dados, o software exibe o resultado na forma de tabelas ou gráficos. Do
ponto de vista educacional, este tipo de ferramenta de simulação tem limitações de recursos
interativos com o usuário. Entretanto, a categoria de simuladores em tempo real é
caracterizada pelos aplicativos em que o usuário configura e reconfigura os parâmetros do
modelo em simulação e os resultados são exibidos imediatamente, evitando que a simulação
tenha que ser interrompida para reconfiguração dos parâmetros estudados. Desta maneira, as
simulações em tempo real possibilitam maior nível de interatividade com o usuário.
Para que os benefícios da aprendizagem por simulação resultem na otimização no
processo de aprendizagem, ou seja, para que os aprendizes possam aprender de forma
eficiente, é importante que as interfaces dos softwares de simulação sejam amigáveis, com
recursos multimídia e interativos para facilitar a adaptação do usuário a esta nova metodologia
de ensino. Dada a importância e responsabilidade que as ferramentas de ensino possuem no
processo de aprendizagem, o projeto e desenvolvimento destes dispositivos caracterizam um
constante e tradicional desafio para pesquisadores da área de tecnologia aplicada à educação.
Do ponto de vista pedagógico, é necessário um guia ao estudante para acompanhamento à
realização de atividade de simulação computacional. O objetivo é manter o foco do aprendiz
nos objetivos da proposta de atividade. Adicionalmente, o professor ou o sistema
computacional de apoio à navegação, deve desempenhar a função de orientar e focar a
44
atenção do usuário (estudante), de modo a explorar os conceitos e fenômenos envolvidos na
atividade (INGERMAN et al., 2007).
De forma adicional, a ferramenta de simulação computacional pode ser um recurso de
apoio para a realização de atividades de resolução de problemas, explorando principalmente a
estratégia de tentativa e erro. Conforme pode ser encontrada na teoria da aprendizagem
significativa proposta por Ausubel, a técnica de resolução de problema possibilita o acesso à
estrutura cognitiva do aprendiz, no que diz respeito a capacidade de utilizar o conhecimento
adquirido. Novos conhecimentos, componentes de uma situação problemática (desafio a ser
resolvido) e a experiência prévia do aprendiz são reorganizados a fim de atingir o objetivo
(COSTA, 2008). Isso mostra que a atividade de simulação computacional estimula a
aprendizagem significativa e ainda permite a participação ativa do estudante no processo de
aprendizagem. Entretanto, conforme mostra Ingerman et al. (2007), apenas com o recurso de
simulação computacional isoladamente, pouco pode contribuir para a mudança de postura
(passiva) do estudante no processo de aprendizagem. A interação do aprendiz com professor
ou recursos computacionais como, por exemplo, objetos de aprendizagem se tornam
necessários como complementos às ferramentas de simulação.
4.4 MAPAS CONCEITUAIS
Dentre as tecnologias que podem ser utilizadas com objetos de aprendizagem, é
possível destacar o desenvolvimento de mapas conceituais. Os mapas conceituais foram
criados no final da década de 70 nos Estados Unidos, pelo pesquisador Joseph Novak. A
principal motivação que resultou no desenvolvimento deste recurso, foi a dificuldade
encontrada por estudantes em adquirir novos conhecimentos de forma eficaz (NOVAK;
GOWIN, 1984). A idéia do mapa conceitual é relacionar os conceitos graficamente de forma
bidimensional representando o conhecimento, conforme o entendimento de quem desenvolve
o mapa mostrando relações hierárquicas entre conceitos de uma disciplina.
De acordo com Novak e Gowin (1984), um mapa conceitual representa os conceitos
de forma hierárquica, conectando cada dois nós do mapa com uma palavra ou expressão,
formando uma proposição. Isto é, a leitura de quaisquer dois nós da representação em árvore
do mapa conceitual, somada à leitura da palavra ou expressão de conexão destes nós tem um
significado isolado, que é complementado pela leitura das outras proposições do mapa. Este
fato facilita a aprendizagem significativa (MOREIRA, 2008). A figura a seguir mostra um
exemplo de um mapa conceitual (Figura 16).
45
Figura 16 – Mapa conceitual sobre Mapas Conceituais (Traduzido e adaptado de Novak e Cañas, 2008)
Novak ainda propôs uma metodologia de desenvolvimento de mapas conceituais,
visando a eficácia do mapa. Dentre os principais mandamentos de sua metodologia, destacam-
se (NOVAK; GOWIN, 1984):
• Estrutura bem definida com conceitos mais gerais no topo do mapa e conceitos
mais específicos na parte inferior;
• Cada par de conceitos deve ser unido por uma frase de conexão, criando um
relacionamento semântico entre os conceitos;
• As frases de conexão, assim como o conceito representado em cada nó do
mapa devem ser representados por apenas uma palavra.
Entretanto, o estudo de métodos de construção de mapas conceituais foi realizado por
outros pesquisadores, que propõe constantemente uma maior flexibilização no
desenvolvimento dos mapas (AHLBERG, 2004).
46
5 INTELIGÊNCIA ARTIFICIAL: UM RECURSO DE OTIMIZAÇÂO
Apesar de pesquisas sobre o uso de novas tecnologias na educação, assim como a
quebra dos tradicionais paradigmas não ocorreu, da forma desejada no ambiente educacional
(MAYER, 2001). Ainda de acordo com Mayer (2001), este fator é explicado pela forma
autoritária com que o uso de recursos tecnologicamente inovadores foi imposto aos
aprendizes. Aos estudantes era imposta a tarefa de adaptar seu estilo de aprendizagem,
conforme foram surgindo novas tecnologias, como o vídeo, rádio, computador (NETO, 2006).
Neste contexto o desenvolvimento de ferramentas computacionais baseadas em técnicas de
inteligência artificial ganha destaque, pois o princípio destes recursos é adotar o tutor
(professor) humano como modelo ideal e buscar simular tal modelo a partir de programas de
computador com recursos multimídia e interativos. A principal meta da área de Sistemas
Tutores Inteligentes é, portanto, oferecer ao aprendiz um ambiente personalizado, adaptando
sua forma e apresentação do conteúdo. Espera-se que a partir da utilização de STI, as
dificuldades do ensino tradicional sejam superadas, i.e., o tratamento das dificuldades
individuais seja personalizado a cada usuário (NETO, 2006).
A partir da década de 80, tiveram início as pesquisas sobre um modelo de
desenvolvimento de STI, ou Intelligent Computer Aided Instruction (Instrução Inteligente
Assistida por Computador), visando aumento da eficiência do processo de aprendizagem. Os
primeiros resultados de estudos sobre STI mostraram que a análise de aplicação de técnicas de
IA poderia ser a estratégia escolhida para melhor atender às expectativas de um STI
(SLEEMAN; BROWN, 1982). Segundo um dos primeiros modelos propostos por Sleeman e
Brown (1982), mostrou foco em aspectos como a interface do usuário, modelo de aprendiz e
técnicas de inferência.
Para o desenvolvimento da interface com o usuário, o objetivo era o estudo de técnicas
para inserção de linguagem natural em programas de computador, simulando diálogos
naturais. Neste contexto, pode-se destacar o uso de lógica Fuzzy para atingir o objetivo de
representar o ambiente presencial de ensino, em STI.
Módulo do Aprendiz/Estudante, tem como objetivo identificar e diagnosticar as
lacunas de conceitos dos aprendizes em determinado domínio do conhecimento. O desafio é
diferenciar eventuais mal entendidos (ocasionados, por exemplo, por sobrecarga cognitiva) ou
a real falta de conhecimento sobre algum conceito.
Outro aspecto a ser considerado em sistemas inteligentes é referente às técnicas de
dedução. O objetivo é providenciar respostas a eventuais questionamentos, avaliar hipóteses,
47
enfim, determinar o comportamento e respostas do sistema. Estas técnicas são baseadas em
inferências, devendo ser robustas.
Durante a década de 80, os estudos sobre tecnologias computacionais no contexto
educacional evoluíram, culminando em uma proposta de arquitetura básica de um STI, sendo
utilizada como alicerce para desenvolvimento de recursos inteligentes de aprendizagem. A
figura 17 mostra a arquitetura básica de um STI, proposta por Burns e Capps (1988).
Figura 17 – Arquitetura Básica dos Sistemas Tutores Inteligentes (Traduzido e adaptado de Burns e Capps, 1988)
A arquitetura proposta (Figura 17), teve como base os primeiros resultados das
pesquisas conduzidas por Sleeman e Brown (1982). O conceito de interface de usuário e o
módulo do estudante, foram aprimorados. Adicionalmente, foram acrescidos os módulos do
especialista e módulo tutor, com o objetivo de executar as seguintes funções.
• Módulo Especialista: Deve incorporar e apresentar os conceitos sobre determinado
domínio, de forma detalhada, com base no conhecimento de especialistas (humanos)
com excelência na área (BURNS; CAPPS, 1988). Trata-se do principal componente de
48
um STI. De forma análoga ao ensino presencial, se o conhecimento sobre o domínio
não for suficiente para suprir as expectativas, o processo de aprendizagem será pouco
eficaz (ANDERSON, 1988).
• Módulo Tutor: tem como principal função a apresentação do conteúdo ao usuário. A
partir dos dados coletados sobre cada aprendiz, o modelo tutor deve disponibilizar
mecanismos para inferir sobre o comportamento do STI (NETO, 2006).
• Módulo Estudante: conforme proposto por Burns e Capps (1982), o módulo
estudante tem como objetivo determinar possíveis lacunas de conceitos em cada
usuário do sistema. Entretanto, dada a complexidade de inferir sobre os estados
cognitivos dos estudantes, desejavelmente com grau mínimo de incerteza, foram
propostas determinadas estratégias para esta tarefa. A primeira delas, pelo processo de
avanço, na qual o usuário avança na navegação por um STI apenas quando é
comprovado o conhecimento requerido para cada tópico definido no currículo
estabelecido. Outra estratégia possível de ser utilizada permite que o usuário conte
com uma espécie de conselheiro, isto é, o sistema oferece uma dica ou um conselho a
fim de auxiliar o aprendiz apenas quando é detectada a necessidade. Deste modo,
quando o rendimento do estudante se mostra satisfatório, o módulo responsável por
fornecer dicas não é ativado. Ainda existem outras estratégias para diagnosticar o
estado cognitivo do usuário como, por exemplo, por meio de geração de problemas de
forma dinâmica, se adaptando às respostas dos estudantes (VANLEHN, 1988). Em
resumo, de alguma maneira, o conhecimento do aprendiz deve ser classificado, seja de
forma binária, qualitativamente ou de por meio de atribuição de números em escala
pré-definida (VANLEHN, 1988).
• Interface / Ambiente de Aprendizagem: o projeto da interface de um STI tem a
função de promover o contexto de aprendizagem, atividades pedagógicas e
ferramentas de auxílio ao estudo e à navegação. As pesquisas sobre o ambiente de
aprendizagem devem levar em consideração: a representação de elementos do mundo
real no ambiente virtual de aprendizagem; o sequenciamento das atividades propostas,
de acordo com o estado cognitivo de cada aprendiz; estratégias de promover
49
informações adicionais para colaborar na navegação e operação do STI (BURNS;
CAPPS, 1988).
A partir da arquitetura básica proposta aos STI, é possível verificar que o
conhecimento, seja de tutores ou aprendizes, deve ser formalizado e representado
computacionalmente. Trata-se de um desafio para a área de IA, pois o objetivo é inserir na
base de conhecimento a representação mais fiel possível de especialistas humanos.
5.1 REPRESENTAÇÃO DO CONHECIMENTO
Existem diversas técnicas para representação de conhecimento como, por exemplo,
modelos gráficos ou uso de lógica proposicional, de primeira ordem, entre outras.
5.1.1 Representação Gráfica do Conhecimento
A representação gráfica do conhecimento tem como objetivo facilitar a criação de
relações entre regras e conceitos sobre determinado domínio. A partir da associação entre nós
de um grafo, por exemplo, é possível facilitar a analogia ou generalização de conceitos ou
regras.
Uma das principais técnicas para representação gráfica do conhecimento, é por meio
da teoria de grafos, que apresenta aplicações na própria matemática, física, ciência da
computação, engenharia e outras áreas não-científicas. Os grafos são geralmente
representados por desenhos, contendo um conjunto de pontos e linhas para conexão de alguns
pontos. Os pontos, ou nós, são chamados de vértices, enquanto as linhas são conhecidas como
arestas (SIPSER, 2007).
Além dos grafos simples, existem os grafos direcionados, onde as arestas possuem
sentido, isto é, as arestas são ordenadas. Em relação à apresentação gráfica dos grafos
direcionados, as arestas são representadas com setas, indicando o sentido (SIPSER, 2007).
50
Figura 18 – Grafo para representação do conhecimento em Sistemas Tutores Inteligentes
(Traduzido e adaptado de Goldstein, 1982)
Goldstein (1982), apresenta um exemplo da representação de conhecimento por meio
de grafos. Neste caso, as regras são indicadas pelos nós (vértices) e as arestas representam as
inter-relações entre as regras. A aplicação descrita por Goldstein está relacionada com a
representação da simulação do comportamento de um aprendiz. O modelo proposto, tem cerca
de 100 nós e 300 arestas. Parte deste grafo pode ser visualizada na figura 18, onde é possível
identificar os diferentes tipos de inter-relação entre as regras que representam o aprendiz.
51
Especificamente na área de educação, os mapas mentais foram desenvolvidos pelo
matemático Tony Buzan, como uma técnica para representação de conhecimento de forma
gráfica. A técnica dos mapas mentais se baseia no conceito de que o cérebro humano
desempenha diferentes tarefas em cada região. O lado esquerdo do cérebro é responsável pela
área de lógica, aritmética, processamento verbal. O lado direito executa tarefas que envolvem
imaginação, criatividade, emoção, formas, ritmos e o processamento de informações visuais.
O objetivo de Buzan era que os mapas mentais pudessem usar simultaneamente os dois lados
do cérebro, a partir de representações lógicas e visuais (BRINKMAN, 2003). Este princípio é
capaz de otimizar a eficiência e memorização de conceitos, estimulando a aprendizagem
significativa (MAYER, 2001; BRINKMAN, 2003). Os mapas mentais podem ser utilizados
das seguintes formas, entre outras:
Permitindo organizar os conceitos de forma hierárquica, os mapas mentais podem ser
utilizados como uma estratégia alternativa para a introdução de novos conceitos. A
representação gráfica do conhecimento do especialista, apresentado no mapa mental, pode
facilitar a aprendizagem significativa. Isto se deve pelo estímulo que é dado ao estudante, para
relacionar os novos conceitos expressos no mapa, com os conceitos previamente
sedimentados na estrutura cognitiva de cada aprendiz. Os mapas mentais também podem ser
usados como uma estratégia para avaliação do aprendizado do estudante. Isto se deve ao fato
de que o entendimento do estudante sobre determinado domínio se torna visível, a medida em
que o mapa mental é construído (BRINKMAN, 2003).
Entretanto, os mapas mentais podem parecer confusos, por ser algo que represente o
conhecimento de um especialista de forma individualizada. Cada indivíduo é capaz de
construir um mapa mental de forma única, representando diferentes associações dos conceitos
envolvidos. A correta interpretação de um mapa mental pode ser feita a partir de palavras ou
frases de ligação entre os conceitos, caso contrário pode haver falta de entendimento da
relação de conceitos do mapa (BRINKMAN, 2003). Neste contexto, quando é necessário
garantir um nível de entendimento da relação dos conceitos, surgem os mapas conceituais
desenvolvidos por Novak, por volta de 1970. Os mapas conceituais, ao utilizar palavras ou
frases de ligação entre os conceitos, contribui para evitais que o estudante possa interpretar de
forma incorreta a relação entre os assuntos representados no mapa.
52
5.1.2 Representação do Conhecimento por meio de Lógica
Na área de IA clássica, é explorada a representação do conhecimento de forma
simbólica, para descrever o comportamento de um sistema. Existem métodos para a
representação de conhecimento formalmente com base em símbolos. Dentre estas técnicas,
destacam-se a lógica proposicional, pela sua simplicidade (SINGH et al., 2000), e a lógica de
predicado, que apresenta recursos suficientes para representação do conhecimento humano de
forma eficaz (RUSSELL; NORVIG, 2000).
O conceito de lógica está relacionado com noções de verdade, envolvendo relações de
causa e efeito entre sentenças. A expressão (1) descreve a sentença β , como consequência da
sentença α (RUSSELL; NORVIG, 2000).
βα =| (1)
O raciocínio a partir da lógica envolve a construção de uma base de conhecimento,
onde devem conter sentenças lógicas, definidas formalmente por sua sintaxe (linguagem de
representação) e semântica (significado das sentenças). Se a base de conhecimento é
verdadeira no mundo real, qualquer sentença α , também será verdadeira, desde que seja
derivada desta base de conhecimento por algum procedimento de inferência (RUSSELL;
NORVIG, 2000).
A lógica proposicional é considerada simples e básica, do ponto de vista de sua sintaxe
e semântica, porém capaz de resolver problemas na engenharia de forma eficaz, com métodos
de raciocínio bem definidos (SINGH et al., 2000; RUSSELL; NORVIG, 2000). A sintaxe é
formada por proposições, que podem ser definidas como uma declaração a qual é possível
associar um valor verdadeiro ou falso. Por sua vez, as proposições são formadas por símbolos
proposicionais. A partir de um conjunto de variáveis ou símbolos proposicionais
),...,,( 21 nppp e conectivos lógicos (Tabela 1), é possível construir sentenças lógicas para
representação do conhecimento (SMULLYAN, 1995).
53
Tabela 1 – Resumo dos Conectivos utilizados na lógica proposicional
Conectivo Representação Gráfica
Negação ¬
Conjunção ∧
Disjunção ∨
Implicação ⇒
Bicondicional ⇔
Portanto, a partir dos elementos conectivos apresentados na Tabela 1 e das variáveis
proposicionais, podem ser construídas fórmulas ou sentenças bem-formadas, para a
formalização de um argumento. De acordo com Smullyan (1995), a partir das sentenças é
possível extrair regras recursivas:
1. Toda variável proposicional é uma sentença.
2. Se α é uma sentença, então α¬ também é.
3. Se α e β são sentenças, então a conjunção entre α e β )( βα ∧ também é.
4. Se α e β são sentenças, então a disjunção entre α e β )( βα ∨ também é.
5. Se α e β são sentenças, então a condicional )( βα ⇒ também é, onde α é o
antecedente e β é o consequente.
A semântica da lógica proposicional, em outras palavras, o significado de uma
sentença bem-formada é derivado da interpretação (ou validação) dos símbolos proposicionais
e dos conectivos lógicos. Seja a sentença bem-formada α , e αP o conjunto de símbolos
proposicionais de α . Define-se como αI a interpretação de α , que pode ser mapeada de
acordo com a função (2).
}0,1{: aαα PI (2)
Onde o conjunto verdade }0,1{ associa cada símbolo proposicional de α a um valor-
verdade, seja verdadeiro (1) ou falso (0). O valor verdade é encontrado a partir da
interpretação )(I ou validação )(v de S , seja S um conjunto de sentenças bem-formadas.
Portanto, o valor )(αv , para S∈α pode assumir os seguintes valores.
54
1)( =αv (verdadeiro)
0)( =αv (falso)
A partir das definições de sintaxe e semântica da lógica proposicional, é possível
extrapolar outros conceitos (SMULLYAN, 1995; RUSSELL; NORVIG, 2000):
1. A validação v em S , conjunto de sentenças proposicionais bem-formadas, é chamada
de Booleana, se as quatro condições forem satisfeitas:
a) À sentença α¬ é atribuído o valor verdadeiro, se α for falso, e falso se α recebe o
valor verdadeiro.
b) A sentença βα ∧ é verdadeira se α e β tiverem o valor verdadeiro, caso
contrário, βα ∧ recebe o valor falso.
c) A sentença βα ∨ é verdadeira se pelo menos α ou β tiverem o valor verdadeiro,
caso contrário, βα ∨ recebe o valor falso.
d) A sentença βα ⇒ é falsa se α e β tiverem o valor verdadeiro e falso,
respectivamente. Caso contrário, βα ⇒ recebe o valor verdadeiro.
2. A sentença α é uma tautologia se for verdadeira para todas as validações Booleanas
de S . Seja n o número de variáveis de α , existem n2 validações de α . A partir desta
informação, determinar se α é uma tautologia pode ser feita a partir da análise das n2
interpretações possíveis. Por meio de uma tabela verdade, por exemplo, é possível verificar
que a sentença pp ¬∨ é uma tautologia.
3. A sentença α é satisfatível, se α é verdadeira em pelo menos uma interpretação
Booleana. Por meio de uma tabela verdade, por exemplo, é possível verificar que a sentença
pp ¬∧ é uma satisfatível.
4. Duas sentenças, α e β , são equivalentes se α e β são verdadeiras nas mesmas
validações Booleanas.
55
A partir de um conjunto de sentenças bem-formas, é possível inferir uma nova
sentença. Uma regra de inferência é um padrão que estabelece como são derivadas cadeias de
conclusões, para atingir determinado objetivo (RUSSELL; NORVIG, 2000). A inferência
dedutiva é formada por regras e teoremas de dedução clássicos, estudados inicialmente pelos
gregos antigos. A partir de um conjunto de premissas, busca-se deduzir uma nova tese, obtida
por meio de padrões de derivação (inferência dedutiva). Os principais modelos de inferência
dedutiva são (RUSSELL; NORVIG, 2000):
• Modus Ponens (modo de afirmação): A leitura da expressão (3) deve ser feita de modo
que se ocorre α , então ocorre β .
β
αβα ,→ (3)
• Modus Tollens (modo de negação): no caso apresentado na expressão (4), se ocorre
uma negação ( β¬ ), então ocorre uma negação ( α¬ ).
α
ββα
¬
¬→ , (4)
• Silogismo Hipotético: neste caso existe uma relação (5), possibilitando a conclusão
(6), onde α implica na sentença γ .
βα → e γβ → (5)
Então γα → (6)
Os padrões de dedução, para a resolução de problemas por meio de lógica, estão
relacionadas com o uso de regras de produção. A base de conhecimento, portanto, é formada
pelo conjunto de sentenças bem-formadas, padrões de inferência dedutivas e regras de
produção. A estrutura básica das regras de produção é formada por um fato antecedente e um
fato consequente:
Se [Antecedente] então [Consequente]
56
O fato antecedente representa a condição ou premissa para que a ação ou conclusão
(conseqüente) seja determinada. As regras de produção podem ser facilmente compreendidas
e são modulares, ou seja, cada regra inserida na base de conhecimento do sistema representa
uma pequena parte do conhecimento geral do sistema. Este nível de modularidade permite
maior facilidade para inserção de novas regras na base de conhecimento. Entretanto, o
conhecimento representado através de regras de produção pode gerar um sistema com uma
quantidade muito grande de regras, a medida que a complexidade do sistema aumenta.
Desta forma, é importante ressaltar que alternativamente, podem ser usadas outras
técnicas para representar o conhecimento humano, como a lógica modal, lógica temporal,
lógica de primeira ordem, entre outros métodos (SINGH et al., 2000).
A lógica de predicado, ou de primeira ordem, ganha destaque neste contexto, pois
representa o conhecimento humano de forma eficiente. Deve ser usada em casos, onde a
lógica proposicional não seja capaz de representar o conhecimento humano de maneira
concisa (RUSSELL; NORVIG, 2000). Além de fatos, a lógica de primeira ordem permite a
representação de conhecimento de objetos e relações. Este fato caracteriza um diferencial
relevante em comparação à lógica proposicional. A sintaxe é formada por elementos
conectivos, constantes, funções, variáveis, predicados e elementos quantificadores
(SMULLYAN, 1995; RUSSELL; NORVIG, 2000)
5.2 SISTEMAS INTELIGENTES BASEADOS EM CONHECIMENTO
Dentre as técnicas de Inteligência Artificial, os sistemas baseados em conhecimento
apresentam mecanismos para automatização do raciocínio em um determinado domínio
específico. Na base de conhecimento devem ser inseridas instruções para determinar o
comportamento, desejavelmente inteligente, do sistema.
5.2.1 Sistemas Especialistas
Os Sistemas Especialistas fazem parte da linha de sistemas baseados em
conhecimento. Resumidamente, possuem uma base de conhecimento e um motor de
inferência, além da interface com o usuário (Figura 19).
57
Figura 19 – Arquitetura básica do Sistema Especialista (Traduzido e adaptado de Nikilopoulos, 1997)
Base de Conhecimento
A base de conhecimento é um dos principais componentes dos sistemas especialistas.
É formada pelo conhecimento extraído do especialista de domínio humano. Para ser inserido,
o conhecimento precisa ser codificado (ou representado) conforme formalismos
computacionais bem definidos através de lógica proposicional, lógica de primeira ordem, rede
semântica, regras de produção, entre outras formas (RUSSELL; NORVIG, 2000).
A representação de conhecimento através de regras de produção é a forma mais
utilizada para construção de Sistemas Especialistas. Além deste fato, os sistemas baseados em
regras ainda apresentam desvantagens, pois não tratam incertezas e não aprendem.
Devido à complexidade de extração e representação do conhecimento do especialista
humano, as bases de conhecimento costumam abranger apenas domínios restritos
(FERNANDES, 2008).
Motor de Inferência
Responsável pelas conclusões dos sistemas especialistas, o motor de inferência tem
papel fundamental na validação das regras (modos de raciocínio) estabelecidas no sistema. De
acordo com os dados de entrada, o motor de inferência toma decisões, faz julgamentos e
infere a resposta ao usuário. Existem basicamente dois modos de raciocínio: encadeamento
direto (foward chaining), em que a partir de um dado inicial, o sistema chega a uma
conclusão, ou o encadeamento reverso (backward chaining), em que o sistema levanta uma
hipótese para resolução do problema e inicia um processo de confirmação da mesma. O motor
58
de inferência ainda é responsável pela gestão de conflitos, i.e., define prioridades entre as
regras do sistema para a inferência da resolução do problema (NIKILOPOULOS, 1997).
Interface com o usuário
A interface com o usuário tem a função de coletar os dados de entrada, através de
questionamentos ou menus gráficos. Após o término do processamento dos dados, a interface
do usuário exibe as inferências realizadas. É importante observar que os sistemas especialistas
apresentam grande aplicabilidade na área de Sistemas Tutores Inteligentes, pois a resolução
de problemas é baseada no conhecimento extraído de um especialista de domínio humano,
representando o modelo do professor.
Ainda pode-se observar que existe o subsistema de explicação, responsável por exibir
ao usuário as evidências do raciocínio utilizado pelo sistema especialista para resolução do
problema. Os sistemas especialistas também deverão dispor de um mecanismo para edição da
base de conhecimentos, facilitando o trabalho de otimização do sistema (FERNANDES,
2008).
Os sistemas especialistas têm como característica o comportamento passivo, atuando
como um meio de guia ou para conselhos. Desta forma, não existe atuação direta no ambiente
em que estão inseridos (WOOLDRIDGE, 2000).
5.2.2 Sistemas Inteligentes Distribuídos
Em algumas aplicações complexas como, por exemplo, em educação o sistema
computacional necessita agir de forma autônoma para a resolução de um problema ou atingir
uma determinada meta. Neste cenário a teoria de agentes colabora para a inserção do
comportamento inteligente nos tradicionais sistemas tutores, conforme ilustra a Figura 20.
59
Figura 20 – Relação agente/ambiente (Traduzido de Wooldridge, 2000)
O ambiente em que o agente está inserido, é responsável pela entrada, ou seja, o
agente percebe alguma mudança no estado do ambiente e com base nisto, executa alguma
ação no ambiente. Os ambientes podem ser classificados de acordo com suas características
(WOOLDRIDGE, 2000):
• Acessibilidade: Um ambiente acessível permite que o agente tenha
informações atualizadas sobre seu estado.
• Determinístico: Um ambiente determinístico significa que para cada ação do
agente haverá apenas um efeito bem definido. Não há incerteza sobre os efeitos
das ações tomadas pelos agentes.
• Episódico: A performance de um agente está em função de um determinado
número de episódios.
• Estático: Um ambiente estático se mantém inalterado a menos quando um
agente execute uma ação.
• Discreto: Um ambiente discreto é constituído por um número fixo e finito de
agentes.
O conceito de agente está relacionado com sua interação com o ambiente, entretanto,
não há uma definição universal para agentes. De acordo com Russell e Norvig (2000), os
agentes são capazes de perceber alterações ocorridas no ambiente através de sensores e agir
neste ambiente de maneira autônoma.
60
5.2.2.1 Agentes Computacionais: Formalização Matemática
Os agentes podem ser formalizados matematicamente como uma sequência de
percepções )( p e ações )(a executadas sobre o ambiente. Seja o conjunto de estados do
ambiente },...,,{ 21 isssS = e o conjunto de ações do agente },...,,{ 21 iaaaA = . A função amb
(7) representa a interação entre o ambiente e o agente, onde )(S℘ é o conjunto de potência
(powerset) de S (SINGH et al., 2000).
)(: SASamb ℘→× (7)
De acordo com a maneira que o agente processa a informação do ambiente pode haver
duas classificações: Agentes puramente reativos ou Agentes com Estado (SINGH et al.,
2000).
Agente Puramente Reativo
Formalmente o comportamento de um agente puramente reativo pode ser definido
pelas funções percepção (8) e ação (9), representado a habilidade de percepção e ação sobre
o ambiente.
PSpercepção →: (8)
APação →*: (9)
As funções (8) e (9) mostram que o agente puramente reativo age no ambiente,
executando uma ação baseada na percepção do estado atual do ambiente is . A estrutura
interna deste tipo de agente é geralmente baseada por meio de lógica, com inferência a partir
de regras de produção (se...então...). Isto significa que um agente puramente reativo não tem
memória interna, apenas considera o estado atual do ambiente (WOOLDRIDGE, 2000).
61
Agente com Estado
A principal característica de um agente com estado é a capacidade de armazenar dados
internamente. Esta propriedade permite este tipo de agente considerar dados históricos e
atuais sobre o ambiente para executar uma ação. O conjunto I representa a habilidade de
memorização dos estados internos do agente, e a função atualizar (10) é utilizada para a
atualização do estado interno. A função ação (11) deve, portanto, estar em função do estado
interno do agente assim como do estado atual do ambiente, conforme a percepção, função 8
(WOOLDRIDGE, 2000).
IPIatualizar →×: (10)
AIação →: (11)
As funções (8), (10) e (11) mostram a maneira como os agentes com estado processam
os dados, i.e., após a percepção do ambiente o estado interno do agente é atualizado e de
acordo com sua lógica uma determinada ação é executada (WOOLDRIDGE, 2000).
5.2.2.2 Sistema Multiagente
A teoria de agentes culminou no desenvolvimento dos Sistemas Multiagente,
considerada uma das principais técnicas no campo de pesquisa de Inteligência Artificial
Distribuída (IAD). A composição básica de uma arquitetura multiagente é a presença de uma
sociedade de agentes trabalhando de forma cooperativa com o objetivo focado na resolução
do problema proposto. Para isto, o ambiente deve apresentar um grupo de agentes autônomos
e distribuídos, se comunicando através de um protocolo de comunicação para garantir a
interação entre os agentes do sistema e agentes externos como, por exemplo, robôs, tutores ou
estudantes (RUSSELL; NORVIG, 2000). Um sistema multiagente deve apresentar uma
arquitetura com a definição da composição dos agentes. Neste contexto é possível destacar
que o sistema multiagente pode ser configurado de acordo com uma arquitetura centralizada
ou descentralizada (CUENCA; OSSOWSKI, 2000).
62
Arquitetura Centralizada
O sistema multiagente centralizado é caracterizado pela existência de um agente
coordenador com a missão de harmonizar as propostas e inferências sugeridas pelos agentes
do sistema (Figura 21).
Figura 21 – Sistema Multiagente: Arquitetura Centralizada (Traduzido e adaptado de Cuenca e Ossowski, 2000)
Neste tipo de arquitetura, o problema a ser resolvido é dividido em subproblemas,
onde cada agente do sistema é responsável pela resolução de seu respectivo subproblema. Os
n agentes do sistema se comunicam somente com o agente coordenador que, por sua vez,
recebe as propostas de resolução dos subproblemas e coordena a tomada de decisão do
sistema (CUENCA; OSSOWSKI, 2000).
63
Arquitetura Descentralizada
A arquitetura de um sistema multiagente descentralizado, tem como principal
característica a comunicação entre todos os agentes do sistema (Figura 22).
Figura 22 – Sistema Multiagente: Arquitetura Descentralizada (Traduzido e adaptado de Cuenca e Ossowski, 2000)
De forma similar ao sistema multiagente centralizado, o problema objetivo é dividido
em subproblemas com seus respectivos agentes encarregados de resolvê-los. Porém, na
arquitetura descentralizada não existe a função de um agente coordenar as respostas e
inferências dos outros agentes do sistema para a busca da resolução do problema global.
Na arquitetura descentralizada todos os agentes se comunicam entre si e desta forma
buscam alcançar o objetivo de resolução do problema. É importante observar que a
arquitetura descentralizada requer a definição de um protocolo de comunicação,
64
possivelmente guiado por uma teoria baseada em redes sociais ou até mesmo em teoria de
jogos para a troca de informações entre agentes e a tomada de decisão sobre as ações do
sistema (CUENCA; OSSOWSKI, 2000).
65
6 DESENVOLVIMENTO DO PROJETO
A proposta apresentada nesta dissertação tem como objetivo a implantação de um
recurso de aprendizagem capaz de apresentar, de forma qualitativa e estruturada, os conceitos
envolvidos no estudo dos amplificadores EDFA. Utilizando recursos gráficos, por exemplo,
tecnologia multimídia e mapas conceituais, para a apresentação do conteúdo, e possibilitando
estimular a criação de significado na estrutura cognitiva do estudante. Por meio de técnicas de
IA, o Recurso de Aprendizagem deve possibilitar a navegação personalizada (adaptada) ao
perfil do usuário, identificando os conhecimentos prévios dos mesmos. O objetivo de
implantar o Recurso de Aprendizagem em plataforma de gerenciamento de ensino LCMS, é
permitir que o estudante administre seu tempo, e ao professor, o gerenciamento do conteúdo e
do curso. Em resumo, o objetivo deste Recurso de Aprendizagem é inserir uma ferramenta
alternativa e complementar ao estudo de comunicações ópticas. Para alcançar o objetivo do
projeto, foram pesquisadas técnicas do estado da arte no campo de computação, psicologia,
pedagogia e ciências cognitivas, possibilitando a integração com outras ferramentas de estudo
(livros, apostilas) e metodologias de ensino (seja presencial ou a distância).
O Recurso de Aprendizagem deve observar o conhecimento prévio do aprendiz sobre
os conceitos básicos do tópico de Amplificadores Ópticos EDFA, a fim de fornecer meios
para o estudo dos conceitos, que sejam identificados e classificados como insuficientes para o
prosseguimento do estudo por meio da simulação computacional do amplificador EDFA. A
estratégia adotada para coletar dados sobre o conhecimento de cada estudante individualmente
teve como alicerce a interação entre o usuário e o sistema. O uso de simulação computacional
exige do aprendiz um patamar mínimo de requisitos sobre EDFA e, portanto, para cada
conceito foi criado um objeto de aprendizagem específico.
É possível dividir o desenvolvimento do projeto em duas partes. Primeiramente foram
estudados os processos de desenvolvimento do software, visando definir uma sequência de
tarefas para a construção da ferramenta de estudo. Nesta tarefa inicial foram definidos os
requisitos do projeto, arquitetura proposta, análises e planejamento da implantação do
software. Na segunda etapa do projeto foram definidas as estratégias e metodologias de
desenvolvimento do recurso de aprendizagem.
66
6.1 PRÉ-REQUISITOS E ARQUITETURA INICIAL PROPOSTA (ETAPA 1)
A definição dos requisitos para atendimento às necessidades do usuário foi baseada na
técnica de observação natural do contexto de estudo sobre comunicações ópticas, mais
especificamente amplificadores ópticos EDFA. Foi possível observar que os conceitos
envolvidos sobre EDFA são abordados pela literatura clássica da área como, por exemplo, em
Desurvire (1993) e Becker (1993) por meio de deduções e fórmulas matemáticas. A medida
que os sistemas de telecomunicações baseados em fibras ópticas evoluem, naturalmente uma
quantidade maior de aprendizes, com níveis de capacitação heterogêneos, buscam se dedicar
ao estudo destes conceitos. Por outro lado, profissionais já inseridos nesta área necessitam
atualização curricular periódica. Neste cenário, acredita-se que uma parcela dos estudantes
não tenha os pré-requisitos teóricos da matemática para seguir o estudo da forma encontrada
na literatura.
A partir da observação neste contexto, pôde-se determinar as funcionalidades mínimas
do recurso de aprendizagem proposto, apresentadas a seguir:
• O Recurso de Aprendizagem deve estimular a aprendizagem significativa;
• A sequência de apresentação dos conceitos deve facilitar a organização do
conteúdo de forma estruturada na mente do aprendiz;
• Os objetos de aprendizagem devem apresentar os conceitos de forma
qualitativa, evitando formalismos matemáticos, que devem ser abordados em
etapas mais avançadas do estudo dos amplificadores EDFA;
• A interface com o usuário deve incorporar técnicas computacionais que
permitam a navegação apropriada, considerando o contexto de aprendizagem;
• Adaptação do recurso/sequenciamento pelos objetos de aprendizagem de forma
a se moldar conforme o perfil de cada estudante. Este requisito é fundamental,
dada a ampla diversidade de usuários do sistema;
• A navegação pelo recurso de aprendizagem não deve exigir do usuário um alto
nível de conhecimento em informática como pré-requisito.
Na etapa inicial do desenvolvimento foi a proposta da arquitetura do software,
buscando satisfazer os requisitos definidos. O recurso de aprendizagem foi dividido em 4
etapas, denominadas no sistema da seguinte maneira, conforme figura 23.
67
Figura 23 – Arquitetura do Sistema na Etapa 1
A primeira parte do conteúdo desenvolvido retrata os aspectos iniciais para o melhor
entendimento desta ferramenta de ensino (objetivos e pré-requisitos) e as informações
primordiais a respeito dos amplificadores ópticos de fibras dopadas por érbio, como o
surgimento do dispositivo, vantagens e limitação.
O objetivo deste primeiro bloco foi proporcionar noções introdutórias dos
amplificadores ópticos de fibras dopadas por érbio, abordando as vantagens principais e a
limitação deste dispositivo nas redes de telecomunicações. Foram feitas análises qualitativas
68
de alguns aspectos dos amplificadores ópticos, sem a inserção de equações ou deduções
matemáticas.
A segunda etapa da ferramenta de estudo proposta aborda os princípios de
funcionamento dos amplificadores ópticos de fibras dopadas por érbio. A quantidade de novas
informações é consideravelmente maior, dada importância do entendimento destes tópicos.
Além dos conceitos básicos relacionados ao funcionamento dos amplificadores EDFA como
absorção de energia, emissão estimulada e emissão espontânea, há uma reflexão sobre as
propriedades do érbio. Na terceira etapa deste objeto de aprendizagem foram abordadas as
características e alguns parâmetros básicos dos amplificadores ópticos EDFA. Deste modo,
foram introduzidas noções para a compreensão de como os amplificadores são dimensionados
na prática e quais são os parâmetros que devem ser analisados no projeto. Os conceitos
abordados são detalhados e subdivididos, de acordo com sua natureza, na Tabela 2.
Para finalizar a navegação pelo recurso de aprendizagem, foi proposta a atividade de
simulação computacional para que o usuário pudesse visualizar e interagir com sistemas reais.
Trata-se do início de um estágio avançado dos estudos sobre EDFA.
Tabela 2 – Hierarquia dos Conceitos abordados
Grupo Conceito Associado Título do Objeto de Aprendizagem
1 Fatos Desenvolvimento da Tecnologia EDFA
1 Fatos Vantagens do uso do EDFA
1 Fatos Limitação do Amplificador EDFA
2 Conceitos físicos Princípio de Funcionamento do EDFA
2 Conceitos físicos Emissão Estimulada
2 Conceitos físicos Emissão Espontânea
2 Conceitos físicos Absorção de Energia
2 Conceitos físicos Propriedades do íon érbio
3 Prática de projeto Parâmetros do EDFA
3 Prática de projeto Laser de Bombeio
3 Prática de projeto Comprimento da Fibra Dopada
3 Prática de projeto Organização dos íons na fibra dopada
3 Prática de projeto Comportamento dinâmico do EDFA
3 Prática de projeto Saturação do Amplificador EDFA
69
A tarefa seguinte do processo de desenvolvimento do recurso de aprendizagem foi a
análise de risco baseada nos requisitos de usuários e na arquitetura proposta na primeira etapa
de desenvolvimento do projeto. Foram identificados os seguintes riscos: quanto a usabilidade
do software; reusabilidade; hierarquização dos conceitos abordados sobre EDFA;
interoperabilidade; adaptabilidade ao perfil individual do usuário; finalmente quanto ao uso de
recursos multimídia e interativos. Os relatórios de informações sobre riscos deste projeto
podem ser visualizados no Apêndice A deste documento.
O risco de usabilidade está relacionado com o possível descumprimento das metas de
usabilidade do software, que estão associadas à utilidade, eficácia e eficiência do sistema,
além de fatores relacionados com a facilidade do uso da ferramenta de estudo. A
administração dos requisitos do projeto foi prioritária para atenuar o risco de perda da
utilidade e eficácia do projeto. Outras metas de usabilidade como, por exemplo, facilidade de
uso do sistema, foram monitoradas com o estudo de métodos estratégicos e ferramentas de
desenvolvimento do recurso de aprendizagem.
A reusabilidade é uma característica presente no conceito de objetos de aprendizagem
e um dos fatores que tornou esta tecnologia amplamente divulgada e estudada. Desta forma a
construção de objetos de aprendizagem não granulares, não interoperáveis e sem metadados
pode comprometer a existência do objeto. Medidas pró-ativas para amenizar ou atenuar este
risco são: técnicas para construção de objetos de aprendizagem granulares, padrão de
interoperabilidade e adoção de um padrão de metadados.
O risco relacionado a hierarquia dos conceitos pode causar perdas significativas no
processo de aprendizagem, pois pode induzir a formação mal estruturada da seqüência de
conceitos na mente do estudante. Desta forma, medidas como agrupamento de objetos de
aprendizagem, definição de uma ordem lógica de apresentação do conteúdo e identificação
das relações de conflitos entre conceitos foram ações para evitar perdas catastróficas no
processo de aprendizagem sobre EDFA.
O risco relacionado ao uso de recursos multimídia pôde ser administrado com o uso
das técnicas e ferramentas apropriadas para desenvolvimento de imagens, gráficos,
animações, narrações, etc. As técnicas a serem adotadas devem ser específicas, focadas em
como criar uma estrutura lógica dos conceitos apresentados na mente do estudante,
estimulando a aprendizagem significativa. Para isto, os softwares de desenvolvimento devem
ter capacidade gráfica para produção de imagens, gráficos, eventuais narrações, entre outros
recursos. Animações computacionais integram parte da estratégia para transmissão dos
70
conceitos, portanto, trata-se de um ponto crítico no projeto devido a aplicação específica que
caracteriza a área de educação.
Já o risco quanto a adaptabilidade ao perfil do usuário pôde ser monitorado, nesta
etapa de desenvolvimento, a partir da construção de objetos de aprendizagem granulares.
Desta maneira é uma facilidade em adaptar determinada seqüência de objetos de
aprendizagem conforme os interesses de estudo ou necessidades de cada aprendiz.
A engenharia do projeto, além de definir as interfaces internas e externas, permitiu a
especificação técnica das ferramentas de desenvolvimento para a implantação do recurso de
aprendizagem em sua primeira etapa de desenvolvimento. A especificação das ferramentas de
desenvolvimento, assim como a Implantação, foram realizadas com base na arquitetura
proposta inicialmente, assim como nas considerações e plano de ação definido na tarefa de
análise de risco. Por sua vez, a implantação da arquitetura proposta na primeira etapa,
permitiu a verificação do funcionamento dos componentes do projeto e a integração destes
com elementos externos, como a plataforma de gerenciamento de ensino (Tabela 3).
Tabela 3 – Rastreamento de Requisitos (Etapa 1)
Utilidade, Eficácia e Eficiência
Interface Reusabilidade Apresentação do conteúdo
Adaptação ao perfil do
usuário Animações Multimídia
N/A
N/A
Recursos Interativos
N/A
N/A
Simulação computacional
N/A
N/A
N/A
Conceitos hierarquizados
N/A
N/A
N/A
Modelo SCORM
N/A
N/A
N/A
Navegação particionada
N/A
N/A
N/A
Implantação em LCMS
N/A
N/A
N/A
A implantação ainda permitiu uma análise crítica do projeto arquitetural e suas
funcionalidades, fato que deu início a segunda etapa do desenvolvimento. Neste projeto, a
gestão de requisitos teve como base a tabela de rastreamento de requisitos, que pode ser
utilizada para analise de alterações dos requisitos do projeto durante seu desenvolvimento,
Características
Requisitos
71
assim como para verificar o atendimento aos requisitos estabelecidos. A construção da tabela
de rastreamento de requisitos deve ser elaborada de forma a relacionar cada requisito do
projeto (seja novo ou estabelecido anteriormente) ao respectivo componente do software que
atende ao requisito. Portanto, na primeira etapa do projeto, a Tabela 3, mostra cada requisito
estabelecido e se as características do software implantado atendem satisfatoriamente a estes
requisitos.
6.2 A EVOLUÇÃO DA ARQUITETURA PROPOSTA: A INSERÇÃO DE UM SISTEMA
ESPECIALISTA (ETAPA 2)
A segunda etapa do processo de desenvolvimento do recurso de aprendizagem teve
como início a revisão dos requisitos do sistema proposto. O objetivo desta tarefa foi tornar
mais evidente a necessidade de adaptação da ferramenta de estudo ao perfil do usuário. Desta
maneira a contribuição do recurso proposto poderia ser otimizada.
A partir da Tabela 3, analisada a primeira etapa do projeto, pôde-se concluir que a
construção de objetos de aprendizagem granulares pode colaborar para que o estudante apenas
navegue pelos conceitos de interesse. Entretanto, notou-se também que algum módulo para
auxílio à navegação era necessário para ajudar o estudante a selecionar os objetos de
aprendizagem mais relevantes, conforme cada perfil. A arquitetura proposta na segunda etapa
inclui técnica de inteligência artificial para atingir este objetivo.
Para isto foi inserido um sistema especialista com objetivo de orientar o usuário,
identificando determinada sequência de objetos de aprendizagem, que devem ser utilizados
para que os aprendizes adquiram um patamar mínimo de conceitos, visando o estudo mais
aprofundado com o uso de simulação computacional.
A partir dos objetos de aprendizagem desenvolvidos sobre amplificadores ópticos, o
objetivo foi construir um sistema especialista, para identificar possíveis lacunas dos conceitos
pré-requisitos para a realização da atividade de simulação computacional, propondo o estudo
destes conceitos por meio dos objetos de aprendizagem. Por outro lado, caso o usuário possua
um patamar mínimo de conhecimento, poderia iniciar diretamente o estudo a partir da
simulação computacional. A figura a seguir (Figura 24) ilustra a arquitetura básica do sistema
proposto.
72
Figura 24 – Arquitetura do Sistema na Etapa 2
Em relação à arquitetura proposta (Figura 24), o risco de adaptabilidade ao perfil do
usuário foi atenuado pela inserção do sistema especialista. Porém, outros fatores de risco
identificados na etapa de desenvolvimento anterior também foram revisados, dada a alteração
da arquitetura do recurso de aprendizagem.
As metas de usabilidade foram expandidas ao sistema especialista. Apesar deste
componente não ter a função de transmitir o conteúdo ao usuário foi necessário o estudo de
técnicas para desenvolvimento do sistema especialista de fácil operação e navegação. O risco
associado à aplicação de interatividade destacou-se nesta etapa, pois a comunicação entre o
usuário e o sistema especialista deve ocorrer eficientemente de forma a permitir que o sistema
coletasse dados sobre pré-requisitos do aprendiz, podendo inferir sobre a sequência de objetos
de aprendizagem. O objetivo das técnicas, para coleta de dados sobre o conhecimento dos
usuários (por meio de questionário), era fornecer o sistema especialista como um módulo de
auxílio à navegação e não como uma forma de avaliação.
A interoperabilidade foi outro fator de destaque na revisão dos riscos na segunda etapa
de desenvolvimento. O uso do sistema especialista caracterizou a adição de um novo
componente ao recurso de aprendizagem, devendo ser construído de forma a permitir a
interoperabilidade juntamente com os objetos de aprendizagem.
A partir da análise e revisão feitas nesta etapa de desenvolvimento, foi implantada a
nova arquitetura do recurso de aprendizagem. A partir da atualização da tabela de
rastreamento de requisitos (Tabela 4), com base na implantação da arquitetura da segunda
etapa do ciclo de vida do software permitiu verificar a evolução do desenvolvimento do
Recurso de Aprendizagem.
73
Tabela 4 – Rastreamento de Requisitos (Etapa 2)
Utilidade, Eficácia e Eficiência
Interface Reusabilidade Apresentação do conteúdo
Adaptação ao perfil do
usuário Animações Multimídia
N/A
N/A
Recursos Interativos
N/A
N/A
Simulação computacional
N/A
N/A
N/A
Conceitos hierarquizados
N/A
N/A
N/A
Modelo SCORM
N/A
N/A
N/A
Sistema Especialista
N/A
N/A
Implantação em LCMS
N/A
N/A
N/A
A navegação pelo sistema especialista gerava uma lista de objetos de aprendizagem a
serem estudados. Este fato caracterizava a existência de dois blocos distintos no projeto: o
usuário responde questões interativas e ao final recebe uma sequência de tarefas (objetos de
aprendizagem) a cumprir. Neste formato, o sistema especialista e a navegação pelos objetos
de aprendizagem não ocorre de forma integrada, podendo prejudicar a facilidade de uso do
sistema. Este fator deu início a terceira etapa de desenvolvimento do projeto.
6.3 DEFINIÇÃO DA ARQUITETURA PROPOSTA: ATENDIMENTO AOS REQUISITOS
DO PROJETO (ETAPA 3)
A terceira etapa de desenvolvimento do recurso de aprendizagem teve como principal
objetivo a manutenção do monitoramento dos riscos identificados nas etapas iniciais do
projeto. Foram feitas modificações para atenuação de fatores de riscos específicos,
identificados previamente na etapa 2, conforme descritos a seguir.
A falta de integração entre o sistema especialista e os objetos de aprendizagem foi
considerada um fator de risco com potencial comprometimento à usabilidade do recurso de
aprendizagem, pois a navegação por módulos independentes (Sistema Especialista e Objeto
de Aprendizagem) pode causar dificuldades durante a navegação. Outro fator de risco levado
em consideração foi a sequência de atividades proposta pelo recurso de aprendizagem. Isto é,
Características
Requisitos
74
no início era proposta uma determinada quantidade de questões, e somente após as respostas
dos usuários no sistema era dado início à navegação pelos objetos de aprendizagem. Este
procedimento pode comprometer também a usabilidade do projeto, pois cabe ao usuário
coordenar o uso de diferentes componentes não integrados do software.
De acordo com estas observações, na etapa três foram propostas as seguintes
modificações na arquitetura do projeto (Figura 25).
Figura 25 – Arquitetura do Sistema na Etapa 3
Na terceira etapa, os conceitos são apresentados em um mapa conceitual, onde foram
inseridos agentes computacionais interativos, responsáveis pela inferência quanto ao
encaminhamento da navegação do usuário para o objeto de aprendizagem associado a cada nó
do mapa conceitual. Após o estudo dos objetos de aprendizagem propostos pelo sistema
multiagente (por meio do mapa conceitual), a atividade de simulação computacional é
proposta ao usuário.
A composição proposta na terceira arquitetura do projeto abrange uma técnica de
Inteligência Artificial (IA), mantendo a atenuação do risco quanto à adaptabilidade ao perfil
do usuário. O fato de inserir o mapa conceitual consiste na estratégia de atenuação dos riscos
de usabilidade, pois é uma técnica desenvolvida para representação gráfica de conhecimento.
Outros riscos quanto ao uso de tecnologia multimídia e interatividade foram atenuados e ainda
75
reduzidos em relação às etapas anteriores. Isto se deve pelo fato do mapa conceitual ser
dedicado e amplamente consagrado no campo de educação (CAÑAS; CARVALHO, 2005).
Por se tratar de uma representação em árvore, o mapa conceitual não prejudicou a
reusabilidade de recurso de aprendizagem, uma vez que podem ser adicionados ou reduzidos
nós conforme a necessidade dos diferentes contextos de uso do software proposto. Por outro
lado, o mapa conceitual ainda colaborou para a melhor visualização da hierarquia dos
conceitos abordados sobre EDFA.
Entretanto, foi necessária atenção durante as tarefas de engenharia e implantação da
terceira etapa do projeto quanto à manutenção da interoperabilidade do sistema. A inserção de
um novo componente, responsável por interar os Objetos de Aprendizagem, demandou
esforços para o monitoramento do risco de interoperabilidade, especificando as ferramentas
de desenvolvimento apropriadas.
Como resultado das tarefas de engenharia e implantação, a análise do recurso de
aprendizagem, por meio da Tabela 5, mostra o atendimento satisfatório aos requisitos
estabelecidos durante o projeto e, portanto, não foi iniciada nenhuma etapa posterior do
processo de desenvolvimento do projeto. O atendimento aos requisitos (suprimento de
ferramentas de estudo sobre EDFA de forma multimídia, interativa, com uma gama de
recursos tecnológicos para o estudo dos conceitos mínimos para o avanço ao software
simulador computacional) e atenuação dos riscos associados foi o critério de definição da
proposta.
76
Tabela 5 – Rastreamento de Requisitos (Etapa 3)
Utilidade, Eficácia e Eficiência
Interface Reusabilidade Apresentação do conteúdo
Adaptação ao perfil do
usuário Animações Multimídia
N/A
N/A
Recursos Interativos
N/A
N/A
Simulação computacional
N/A
N/A
N/A
Conceitos hierarquizados
N/A
N/A
N/A Modelo SCORM
N/A
N/A
Mapa Conceitual
(SMA)
N/A
N/A
Implantação em LCMS
N/A
N/A
N/A
Após a determinação dos processos e tarefas para o desenvolvimento do projeto,
foram estudados e implementados os métodos e técnicas para construção utilizadas durante a
implantação do recurso de aprendizagem.
6.4 METODOLOGIA DE DESENVOLVIMENTO
Para a construção e implantação do recurso de aprendizagem, além dos processos de
engenharia de software, foi necessária a pesquisa sobre técnicas para o desenvolvimento do
projeto. A seguir os detalhes e métodos adotados serão descritos.
6.4.1 Mapa Conceitual
O desenvolvimento de um mapa conceitual tem como característica principal a
flexibilidade, pois não há apenas uma única forma de representar um conceito por meio de um
mapa conceitual (CAÑAS; CARVALHO, 2005). Neste projeto, o desenvolvimento do mapa
conceitual foi baseado nas seguintes etapas.
Primeiramente, os principais conceitos relacionados com o tópico EDFA foram
identificados para inserção no mapa. Existe uma recomendação por se usar poucas palavras
nos nós do mapa (NOVAK; GOWIN, 1984), entretanto em alguns casos foi necessário o uso
Características
Requisitos
77
de expressões mais longas para garantir que o conceito estaria sendo representado de forma
correta no mapa. A segunda etapa está associada à hierarquia de conceitos, que foi dividida
em três grupos (Tabela 2). O primeiro grupo está relacionado com a fatos, como o
desenvolvimento do EDFA, vantagens e limitações do uso desta tecnologia na área de
telecomunicações. O Segundo grupo de conceitos trata sobre os princípios físicos inerentes ao
funcionamento dos amplificadores ópticos EDFA. Por fim, o terceiro grupo envolve conceitos
práticos de projetos e aplicações dos amplificadores EDFA. Os conceitos abordados no
terceiro grupo são fundamentais para os usuários que visam o desenvolvimento de novos
projetos ou resolução de problemas relacionados à comunicação óptica. Cada nó apresenta no
mapa conceitual um objeto de aprendizagem correspondente e que deve ser navegado caso o
estudante necessite do estudo mais aprofundado em determinado conceito. A tabela 2 mostra
os objetos de aprendizagem classificados de acordo com a hierarquia de conceitos utilizada
para a construção do mapa. A leitura do mapa deve ser feita de cima para baixo e foram
usadas diferentes cores para tornar explícitas as diferentes hierarquias dos conceitos. Esta
estratégia foi usada para guiar os usuários durante a navegação, tornando evidente a
hierarquia de conceitos adotada.
A próxima etapa do desenvolvimento do mapa conceitual foi conectar os conceitos
apresentados nos nós do mapa. Neste projeto, os nós foram conectados a partir de linhas,
juntamente com palavras, ou pequenas expressões e com setas indicativas. As palavras para
conexão dos conceitos são fundamentais para que o aprendiz crie significado a partir destes
links.
O mapa conceitual foi construído por meio do programa IHMC CMap software toolkit
(2009), desenvolvido pelo Instituto especializado em cognição (Institute for Human and
Machine Cognition) da Universidade de West Florida. Após o desenvolvimento, o mapa
conceitual foi inserido e testado na plataforma MOODLE.
6.4.2 Agentes Computacionais
A teoria de agentes culminou no desenvolvimento dos Sistemas Multiagentes, uma
importante técnica utilizada na área de pesquisa de Inteligência Artificial Distribuída. A
arquitetura básica de um sistema multiagentes é composta por uma sociedade de agentes
trabalhando de forma colaborativa com o objetivo de resolução de um determinado problema.
Portanto, um ambiente de um sistema multiagentes apresenta um grupo de agentes autônomos
e distribuídos, se comunicando por meio de um protocolo de comunicação. Desta maneira é
78
garantida a interação entre os agentes do sistema e agentes robôs ou humanos, como tutores
ou aprendizes, por exemplo (RUSSELL; NORVIG, 2000).
No recurso de aprendizagem foi inserida uma sociedade de agentes no mapa
conceitual, com o objetivo de observar e coletar informações sobre os pré-requisitos dos
usuários. A estrutura interna dos agentes utiliza a representação do conhecimento por meio da
lógica proposicional. Seja nppp ,...,, 21 variáveis proposicionais, representando a resposta
dada pelo aprendiz a cada questionamento proposto pelo agente computacional. Considera-se
que à resposta correta é atribuído o valor verdadeiro (1), caso contrário, falso (0).
nppp ∧∧∧= ...21α (12)
A partir da sentença α (12), é possível que a partir da base de conhecimento sejam
inferidos os seguintes resultados, por meio de uma regra de produção.
se [ 1)( =αv ], então [o sistema multiagente sugere seguir navegação pelo mapa conceitual]
se [ 0)( =αv ], então [o sistema multiagente sugere navegação pelo Objeto de Aprendizagem]
Os agentes, portanto, têm a missão de atuar sobre o ambiente de aprendizagem,
sugerindo o estudo e acesso aos objetos de aprendizagem mais apropriados, conforme os
resultados sobre o perfil do usuário. O uso de técnicas de inteligência artificial inseridas em
mapas conceituais vem sendo discutido há anos devido à falta de formalismo computacional
que os mapas conceituais possuem (CAÑAS; CARVALHO, 2005). O uso do sistema
multiagente no mapa conceitual consiste em uma proposta para extrair os benefícios da
representação de conhecimento por meio de mapas conceituais e ainda com a funcionalidade
de adaptar o sistema à necessidade de cada usuário com uma técnica de inteligência artificial.
A estrutura do sistema proposto é baseada na arquitetura de sistemas multiagente centralizada,
como pode ser visualizada na figura 26.
79
Figura 26– Arquitetura Centralizada do Sistema Multiagente
É possível visualizar que um agente foi construído para cada nó do mapa conceitual.
Isto significa que cada agente é responsável por inferior/sugerir a navegação pelo objeto de
aprendizagem correspondente. Neste momento o agente humano (estudante) tem a função de
coordenar as propostas sugeridas pelos agentes (RUSSELL; NORVIG, 2000).
Os agentes desenvolvidos neste trabalho podem ser classificados como puramente
reativos (WOOLDRIDGE, 2000; RUSSELL; NORVIG, 2000). A Estrutura interna é
composta por regras de produção. O fato de o agente ser puramente reativo implica que
nenhum dado histórico é utilizado para tomadas de decisão, apenas o estado atual do
ambiente.
A interação entre o agente e o estudante é também uma forma para resgatar aspectos
motivacionais e emocionais característicos do processo de aprendizagem (MAYER, 2001;
NETTO, 2004). Neste projeto foi utilizado um modelo conceitual de interação, que consiste
em descrever as atividades que os usuários farão durante a interação com os agentes. A tabela
6 resume os modelos conceituais de atividades propostos por meio dos agentes.
80
Tabela 6 – Modelos de Interação para Atividades com Agentes
Conceito Associado Modelo de Interação Vantagens do uso do EDFA Sintetizar as vantagens de uma nova tecnologia, comparando
com tecnologias anteriores Limitação do Amplificador Escolher um equipamento para a resolução de um problema
real apresentado Emissão Estimulada Selecionar um evento para completar uma linha do tempo
Emissão Espontânea Relacionar o conceito apresentado em um texto teórico com uma situação prática
Absorção de Energia Ordenar hierarquicamente uma sequência de figuras
Propriedades do íon érbio Completar um diagrama corretamente
Laser de Bombeio Analisar uma sequência de ações e tirar conclusões
Organização dos íons na fibra dopada
Completar espaços em branco em um texto
Configuração do EDFA nos links de comunicação
Aportar erros presentes em uma sequência de figuras
Outro aspecto fundamental durante o desenvolvimento do projeto é a determinação de
estratégias para dar feedback ao usuário após a interação com os agentes. Para esta tarefa, os
seguintes métodos e princípios foram utilizados (IMI, 2001):
• Os resultados devem ser transparentes aos aprendizes. Isto significa que os estudantes
devem ser informados se as respostas dadas aos agentes são corretas ou não. Isto deve ser
feito de forma imediata durante a interação;
• Devem ser apresentadas explicações adicionais referentes à resposta do estudante, estando
correta ou incorreta. Está é uma maneira de estimular a aprendizagem de novos conceitos
mesmo se a resposta estiver correta;
• Deve ser proposta ao estudante uma solução para estudar as lacunas conceituais
identificadas pela interação com os agentes. Neste momento, os agentes devem agir sobre
o ambiente, conduzindo o usuário a estudar por meio dos objetos de aprendizagem.
O desenvolvimento dos agentes foi baseado pelo software Adobe Flash. Este software,
comumente utilizado para o desenvolvimento de animações, está instalado em 98% dos
computadores (2008) e é recomendado por permitir o desenvolvimento de aplicações
complexas, dinâmicas e interativas, com fórmulas e cálculos matemáticos, produzindo efeitos
81
especiais que, se bem empregadas, colaboram para a aprendizagem. Por fim, os agentes foram
inseridos no mapa conceitual.
6.4.3 Objetos de Aprendizagem
A metodologia de desenvolvimento dos objetos de aprendizagem inclui técnicas para
inserção de interatividade, por meio do posicionamento botões com links para navegação, e
recursos áudio-visuais representados pelas animações e narrações. O principio de
desenvolvimento dos objetos de aprendizagem é o mesmo, independentemente da sua
aplicação no recurso de aprendizagem proposto.
As animações, presentes no Objeto de Aprendizagem, foram desenvolvidas de forma a
possibilitar a criação de uma interface com recursos interativos, explorando o uso de cores e
gráficos. Entretanto, foram inseridos apenas os recursos gráficos fundamentais para que o
objetivo do estudo seja cumprido, evitando sobrecarregar a memória de trabalho e
consequentemente desviando a atenção dos aprendizes (MAYER, 2001).
Em todas as animações foram adicionadas narrações para que o aluno possa estimular
os sensores verbais e visuais, tornando a aprendizagem mais eficiente e equilibrando o nível
de carga cognitiva do canal visual e do canal verbal. Ainda de acordo com Mayer (2001), a
narração deve ser inserida de forma sincronizada com as respectivas animações, facilitando o
armazenamento das informações no cérebro dos usuários, além de possibilitar o
relacionamento do novo conteúdo com o conhecimento armazenado a priori na memória de
longo prazo do aprendiz.
O fato do público alvo deste Objeto de Aprendizagem ser variável, com alunos de
graduação em projetos de iniciação científica e alunos de mestrado, justifica a opção por
narrações incorporadas às animações apresentarem linguagem objetiva, com tempo de
duração mínimo (cerca de 1 minuto) para cada tópico, sem que a navegação pelo curso se
torne cansativa. O desenvolvimento do objeto de aprendizagem foi baseado na utilização da
ferramenta Adobe Flash, gerando os arquivos com as animações e narrações (Assets), e estes
sendo inseridos no editor eXe XHTML Learning para gerar o pacote SCORM 1.2.
Por fim, o pacote SCORM foi inserido como uma atividade SCORM na plataforma
MOODLE para ser integrado com outros recursos, como mapa conceitual, simulação
computacional, entre outros. A escolha do uso do MOODLE justifica-se basicamente pelo
fato de ser uma plataforma de gerenciamento de ensino aberta, utilizada mundialmente que
possibilita realizar atividades como o desenvolvimento de novas ferramentas de estudo,
82
discussões sobre metodologias de ensino e assuntos relacionados ao próprio ambiente de
aprendizado e suas interfaces. Finalmente, no MOODLE, é feita a integração da ferramenta
desenvolvida com o software de simulação computacional.
6.4.4 Simulação Computacional
O aplicativo PTDS (2008) foi desenvolvido com o objetivo de otimizar o projeto e
análises de redes de telecomunicações que utilizam fibras ópticas. De acordo com o avanço
deste meio de transmissão, os aplicativos para simulação são de extrema importância, pois é
possível reduzir os testes em campo para melhorar ou otimizar o desempenho do enlace,
assim como pode ser usado para verificar a viabilidade de determinado experimento antes
mesmo de execuções físicas em laboratórios.
A partir do tráfego de dados entre os blocos internos do software é construída uma
ferramenta de simulação, em que o usuário pode alterar os esquemas propostos, construir seus
próprios esquemas e ainda configurar os parâmetros dos componentes. Este é um aplicativo
que não se limita apenas aos amplificadores ópticos, pois engloba todos os componentes e
tecnologias dos sistemas de comunicações ópticas em geral.
No caso do recurso de aprendizagem desenvolvido, o foco é o estudo de
amplificadores ópticos de fibras dopadas por érbio. O aplicativo apresenta quatro módulos de
estudo, que permitem ao usuário analisar o comportamento dos amplificadores EDFA em
relação ao ruído ASE (Amplified Spontaneous Emission), ganho, saturação, comprimento da
fibra dopada e outros parâmetros, que tornam possível a comparação e otimização de
desempenho de diferentes configurações do EDFA.
6.5 FERRAMENTAS DE DESENVOLVIMENTO
Nesta seção, são descritas as especificações técnicas e detalhes sobre as ferramentas de
desenvolvimento selecionadas para a implantação do recurso de aprendizagem.
6.5.1 Mapa Conceitual
Existem diversas possibilidades para se construir um mapa conceitual, como por meio
do software Adobe Flash, por exemplo. Entretanto, com o avanço dos estudos sobre Mapas
Conceituais foi desenvolvido o software de auxílio de desenvolvimento chamado CMap
Tools. Esta ferramenta gratuita de desenvolvimento foi resultado do grupo de pesquisas sobre
83
ciências cognitivas na Universidade de Flórida (Institute for Human Machine Cognition, West
Florida University) e é composta por dois softwares: o CMap Server e o CMap Tools. O
primeiro é utilizado para armazenar os mapas criados e ainda permite o compartilhamento na
Internet. Enquanto o CMap Tools é utilizado para o desenvolvimento/ criação do Mapa de
forma flexível, permitindo ao usuário instalar apenas as funcionalidades necessárias para o
projeto. Podem-se destacar duas mais características deste software que o tornou divulgado
internacionalmente.
Além disso, o CMap Tools permite a exportação de Mapas em formato XML,
facilitando a integração com outros recursos/ ferramentas hipermídia. Este software ainda se
destaca pela possibilidade de adição de recursos como sons, imagens, vídeos, entre outros. No
projeto desenvolvido foram adicionados objetos de aprendizagem aos nós do mapa
construído.
6.5.2 Objetos de Aprendizagem
Os objetos de aprendizagem podem utilizar além dos textos, recursos como
animações, ilustrações, vídeos e possivelmente áudio. Não existe um software específico para
desenvolvimento dos objetos de aprendizagem, para cada recurso existe uma ou mais
ferramentas (linguagens de programação, editores de texto e áudio, etc) que satisfazem os
objetivos do projetista. Neste capítulo são citadas as ferramentas utilizadas no
desenvolvimento da ferramenta de ensino proposta neste trabalho, porém existem outras
alternativas para a elaboração os objetos de aprendizagem e seus atributos.
O software Adobe Flash é utilizado no desenvolvimento de animações. Por ser uma
ferramenta baseada na tecnologia vetorial, é altamente recomendado para a criação dos
objetos de aprendizagem, além de se tratar de um software de fácil manipulação. A partir da
versão 5, o Flash incorporou uma linguagem chamada Action Script para desenvolvimento de
aplicações mais complexas adicionando interatividade, fórmulas e cálculos matemáticos às
animações além de efeitos especiais que podem valorizar o trabalho. As funcionalidades
apresentadas pelo software Adobe Flash são os motivos pelos quais os agentes
computacionais também foram desenvolvidos por esta ferramenta.
Os aplicativos responsáveis por gerar os metadados são fundamentais para o
empacotamento dos Assets (animações em Flash, por exemplo) tornando-os um objeto de
aprendizagem no padrão SCORM ou IMS LD sem que usuário necessite pré-requisitos em
outros aplicativos mais complexos como JavaScript ou HTML. O Exe learning Editor surgiu
84
com a proposta de auxiliar no desenvolvimento de ferramentas de ensino digital, sem que o
professor tenha conhecimentos em publicação de páginas web. Portanto, é um aplicativo de
manuseio simples e que permite a criação de um pacote SCORM 1.2, IMS LD ou
simplesmente uma página web, conforme pode ser visualizado a seguir (Figura 27).
Figura 27 – Menu para publicação de arquivo Exe Learning
(Software Exe Learning, 2009)
Desenvolvido em 2004, na Nova Zelândia, este aplicativo apresenta um aspecto
economicamente relevante, o fato de estar disponível gratuitamente na Internet, por meio do
site do grupo de pesquisa da Comissão de Educação Tertiary.
85
6.5.3 Simulação Computacional
O aplicativo PTDS (2008) foi desenvolvido com o objetivo de otimizar o projeto e
analises de redes de telecomunicações que utilizam fibras ópticas. De acordo com o avanço
deste meio de transmissão, os aplicativos para simulação são de extrema importância, pois é
possível reduzir os testes em campos para melhorar ou otimizar o desempenho do enlace,
assim como pode ser usado em pesquisas acadêmicas, verificando a viabilidade de
determinado experimento antes mesmo de execuções físicas em laboratórios.
O software foi desenvolvido em diversas interfaces, conforme pode ser observado no
fluxograma a seguir (Fluxograma 1).
Interface com o Usuário
Fluxograma 1 – Diagrama de funcionamento PTDS – VPI
(Traduzido e adaptado de PTDS User’s manual, 1999)
É possível destacar os blocos fundamentais: Rede óptica, onde é definida a arquitetura
da rede óptica; Camada de Abstração, responsável pela interface dos módulos do sistema
com o motor da simulação e por fim o motor da simulação, onde os dados são processados
de maneira fiel à realidade.
A partir do tráfego de dados entre estes blocos, é construída a ferramenta de simulação
em que o usuário pode alterar os esquemas propostos, construir seus próprios esquemas e
ainda alterar os parâmetros dos componentes. Este é um aplicativo que não se retém apenas
aos amplificadores ópticos, pois engloba todos os componentes e tecnologias dos sistemas de
86
comunicações ópticas em geral. O Fluxograma 2, a seguir, mostra as variáveis que este
aplicativo trabalha.
Transmissor ópticoMapa de Dispersão na
fibra óptica
Multiplexação
(WADM)
SONET/ SDH em anel
Amplificadores EDFA
OXCLong HaulReceptor óptico
Fluxograma 2 – Diferentes funcionalidades do PTDS – VPI (Traduzido e adaptado de PTDS User’s manual, 1999)
No caso deste objeto de aprendizado, o foco é amplificadores ópticos de fibras
dopadas por érbio, este aplicativo conta com quatro módulos de estudo que permitem ao
usuário analisar o comportamento dos amplificadores EDFA em relação ao ruído ASE, ganho,
saturação, comprimento da fibra dopada e outros parâmetros, que tornam possível a
comparação e otimização de desempenho de diferentes configurações do EDFA.
6.5.4 Plataforma de Gerenciamento de Conteúdo e Ensino
O MOODLE é um ambiente de aprendizagem desenvolvido em 1999 pelo australiano
Martin Dougiamas e associou inúmeros membros, principalmente em universidades
internacionais. Por meio do MOODLE, é possível realizar atividades como o
desenvolvimento de novas ferramentas de estudo, discussões sobre metodologias de ensino e
assuntos relacionados ao próprio ambiente de aprendizado e suas interfaces. Por ser um
sistema de gerenciamento de ensino, o MOODLE disponibiliza um conjunto de ferramentas e
dispositivos como fóruns, diários, questionários, artigos, além de objetos de aprendizagem
87
sob o padrão SCORM e futuramente com suporte para o padrão IMS LD. Estes recursos
podem ser controlados pelos professores, com o objetivo de otimizar o aprendizado dos novos
conceitos.
O módulo de Atividades do MOODLE possibilita a inserção de pacotes SCORM de
maneira simples. É necessário apenas gerar uma pasta no formato “.zip” e então inseri-la no
servidor MOODLE para que o conteúdo desenvolvido possa ser introduzido em determinado
curso, fazendo o uso de todas as facilidades e vantagens que são pertinentes aos objetos de
aprendizagem com o padrão SCORM.
88
7 RESULTADOS OBTIDOS
A navegação pelo recurso de aprendizagem proposto pode ser dividida em duas
etapas. Primeiramente o usuário deve estudar por meio do mapa conceitual e dos objetos de
aprendizagem, quando aplicável. A segunda parte está relacionada com o uso da ferramenta
de simulação computacional de sistemas ópticos. A utilização do recurso de aprendizagem
proposto inicia com um módulo de instruções iniciais, onde são apresentados os objetivos do
estudo, os pré-requisitos e ainda instruções de como navegar e utilizar o recurso de
aprendizagem. A figura a seguir mostra o módulo de instruções iniciais (Figura 28).
Figura 28 – Instruções Iniciais
Apesar das instruções iniciais ressaltarem a importância da navegação pelo mapa
conceitual respeitando a hierarquia (de cima para baixo), o desenvolvimento do mapa foram
utilizadas cores diferentes para cada grupo de conceitos, com o objetivo de facilitar a
navegação de forma apropriada. Na Figura 29, esta representação gráfica dos conceitos
relacionados com o EDFA pode ser visualizada.
Os agentes inseridos em cada nó do mapa conceitual contribuem para a flexibilização
do mesmo ao personalizar a navegação de acordo com o perfil do usuário. O objetivo
principal da interação entre o aprendiz e o agente é coletar informações sobre os pré-
89
requisitos do usuário, entretanto, esta interação foi construída de forma a permitir o feedback
das respostas dos estudantes, permitindo assim a aquisição de novos conhecimentos. As
técnicas utilizadas para desenvolvimento das animações dos objetos de aprendizagem foram
direcionadas a estimular a aprendizagem significativa, conforme pode ser visto na Figura 32.
Figura 29 – Mapa Conceitual EDFA
90
Além de recursos multimídia, a interatividade inserida nos objetos de aprendizagem é
uma estratégia para otimizar o processo de aprendizagem, estimulando nos estudantes o
comportamento ativo diante do contexto de aprendizagem proposto. As Figuras 30 e 31
mostram exemplos desta interação.
Figura 30 – Agente (Completar fluxograma sobre o íon érbio)
É possível observar, nas figuras 30 e 31, o funcionamento da estratégia de feedback. O
agente representado na figura 30 está associado ao objeto de aprendizagem referente ao
conceito das propriedades do íon de érbio. Neste caso, o modelo de interação utilizado no
agente solicita que o usuário complete o fluxograma corretamente. A figura 30 mostra que, ao
acertar o desafio proposto, o sistema multiagente sugere a continuação da navegação pelo
mapa conceitual, porém o objeto de aprendizagem é disponível ao usuário, caso seja de
interesse a navegação. Na figura 31, o exemplo exibido mostra a situação em que o usuário
não obteve êxito na interação com o agente e, portanto, além do feedback, o sistema incentiva
a navegação pelo objeto de aprendizagem correspondente.
91
Figura 31 – Agente (Associar evento com linha do tempo da evolução tecnológica)
Por fim, na última etapa da navegação pelo recurso de aprendizagem (Simulação
Computacional) é esperado que os usuários tenham adquirido um patamar mínimo de
conceitos sobre EDFA, podendo utilizar o software simulador de forma a otimizar e reforçar
seus conceitos sobre o assunto.
92
Figura 32 – Objeto de Aprendizagem
A simulação computacional (Figura 32) é uma oportunidade para iniciar uma etapa
mais avançada do estudo sobre EDFA, aplicando conceitos teóricos em situações práticas de
projetos do mundo real.
Figura 33 – PTDS Ferramenta de Simulação Computacional
(VPI PTDS versão demonstrativa)
A figura 32 mostra a interface do software PTDS, trazendo ao ambiente de estudo o
projeto e simulações de sistemas reais de telecomunicações. O Apêndice B desta dissertação,
apresenta um exemplo de navegação pelo Recurso de Aprendizagem.
93
8 CONCLUSÕES
O desenvolvimento do Recurso de Aprendizagem teve dois principais fatores que
viabilizaram a construção de uma ferramenta de estudo com qualidade, cujo principal objetivo
foi atender integralmente aos requisitos do projeto: estimular a aprendizagem e possibilitar
que esta ocorra de forma eficaz e eficiente. Estes fatores permitem ao professor, adotar um
software educacional no contexto de ensino, como uma alternativa para otimização do
processo.
O primeiro fator de otimização a ser considerado, foi a adaptação e aplicação de
modelo de desenvolvimento, encontrado na literatura de engenharia de software. Alguns
modelos de desenvolvimento, já foram adaptados ao contexto de construção de objetos de
aprendizagem. Porém, têm como principal estratégia para garantir a qualidade do projeto, a
realização de uma avaliação do software durante o desenvolvimento do mesmo. Pode-se
considerar que a primeira contribuição deste trabalho é propor um modelo para análise de
fatores de riscos, especialmente adaptado ao cenário educacional. Buscou-se resgatar
princípios pedagógicos, ao estudar metodologias para apresentar a estrutura formal do
conteúdo. Também foram pesquisados elementos das ciências cognitivas, como a teoria da
aprendizagem significativa. A partir destes e de outros aspectos levantados nesta pesquisa,
foram identificados os principais riscos envolvidos no desenvolvimento de um Recurso de
Aprendizagem. A metodologia para gestão de riscos utilizada neste trabalho, pode ser reusada
em outros projetos, cujo objeto é similar: desenvolver um conjunto de objetos de
aprendizagem, como apoio ao ensino tradicional.
Há outro aspecto a ser destacado, no que se refere ao processo de desenvolvimento de
Recursos de Aprendizagem, com base na gestão de riscos. Trata-se de uma técnica alternativa
para buscar a qualidade do projeto. A avaliação de um software, durante o processo de
desenvolvimento, nem sempre é viável. Envolve a mobilização de recursos humanos, como
professores, técnicos, equipes de desenvolvimento e estudantes, implicando no aumento de
custos financeiros. De forma adicional, basear o desenvolvimento do projeto na análise dos
resultados de avaliação, pode tornar o resultado final viciado, de acordo com o perfil técnico e
cultural dos estudantes. Portanto, a gestão de riscos específicos no campo de educação, assim
como os tradicionais riscos identificados tipicamente em projetos de software, é uma
alternativa para alcançar a qualidade desejada do projeto.
Ainda em relação à metodologia utilizada para o Recurso de Aprendizagem, objeto
desta dissertação, buscou-se utilizar técnicas para desenvolvimento dos diferentes
94
componentes, que permitissem estimular a aprendizagem significativa. Trata-se do segundo
fator apontado como estratégia para alcançar os objetivos desta dissertação. Neste trabalho, é
apresentado um estudo sobre aprendizagem significativa, assim como os processos que devem
ocorrer para que o estudante (usuário) possa incorporar os conceitos, explorados no Recurso
de Aprendizagem, de forma a criar significado em sua estrutura cognitiva. A partir do estudo
de cognição, ou seja, da maneira como o ser humano pode aprender de forma eficaz por meio
de recursos computacionais, foram buscadas técnicas para o desenvolvimento do Recurso de
Aprendizagem.
O tema escolhido como estudo de caso, amplificadores ópticos EDFA, está envolvido
com aspectos práticos do projeto de sistemas de telecomunicações com base na tecnologia de
fibra óptica. Entretanto, os conceitos envolvidos exigem conhecimentos pré-requisitos
teóricos, em física, química, engenharia elétrica, matemática. O Recurso de Aprendizagem
apresenta uma solução para lidar com a diversificação de conceitos, encontrada neste campo
da engenharia. Na literatura da área, existem livros com abordagem essencialmente
matemática, exigindo maturidade neste domínio, para compreender as equações e deduções
propostas. Portanto, optou-se, neste projeto, por introduzir os conceitos de forma qualitativa.
O objetivo é tornar a navegação pelo Recurso de Aprendizagem, uma etapa preliminar ao
estudo formal matemático. Desta maneira, o aprendiz pode se familiarizar com os conceitos e
entender os fenômenos físicos envolvidos no amplificador EDFA, e ainda se beneficiar de
vantagens do uso de tecnologia digital, como a possibilidade de atualização contínua do
Recurso proposto, assim como mobilidade para o estudo e a flexibilidade de adaptação do
conteúdo a vários públicos. Para não permitir que aspectos da prática de projeto, ou análise do
comportamento destes dispositivos estudados estejam ausentes no estudo por meio da
ferramenta proposta, foi inserida a atividade de simulação computacional.
Além de visualização prática dos conceitos estudados, a proposta para simulação
computacional permite o contato com uma ferramenta de simulação de sistemas ópticos, em
geral. O software para simulação PTDS (VPI), possui uma biblioteca com modelos completos
para simulação de outros componentes de um sistema de comunicação óptica. Isto é, além dos
amplificadores EDFA, o usuário terá contato com uma ferramenta que pode ser reusada em
outros contextos, seja para aprendizagem, seja para elaboração de trabalhos e projetos no
campo de telecomunicações.
Para que o usuário possa extrair os benefícios promovidos pela simulação
computacional, é necessária a navegação pelos objetos de aprendizagem. Entretanto, é sabido
que os potencias usuários do Recurso de Aprendizagem apresentam ampla variedade de pré-
95
requisitos. A formação de físicos, engenheiros elétricos ou de telecomunicações, químicos,
entre outras áreas, pode ter os amplificadores ópticos como objeto de estudo, em diferentes
níveis de formação (graduação ou pós-graduação). Adicionalmente, o Recurso de
Aprendizagem apresenta a arquitetura baseada em Sistemas Multiagentes, permitindo a
adaptação ao perfil cognitivo de cada estudante. Esta é uma questão discutida há mais de 20
anos, por especialistas da área de ensino, apontada como uma possível causa do uso pouco
adequado de tecnologia na educação. A partir desta funcionalidade inserida no Recurso de
Aprendizagem, espera-se que o processo de aquisição de conhecimento seja otimizado: ao
adaptar o escopo de conceitos ao perfil do usuário, é possível motivá-los a novas descobertas
ou ainda podendo reduzir eventuais dúvidas acumuladas.
A implantação do Recurso de Aprendizagem na plataforma de gerenciamento de
ensino LCMS MOODLE, permite acesso remoto ao conteúdo integral (objetos de
aprendizagem, mapa conceitual e simulação computacional). Esta característica permite que o
estudante possa gerenciar seu próprio tempo e estudo, podendo navegar pelo conteúdo a
qualquer tempo e em qualquer local, basta ter um computador com conexão à internet. O
desenvolvimento dos componentes do software proposto, com base em padrões (SCORM, por
exemplo), garante a interoperabilidade da ferramenta de estudo entre outras plataformas
LCMS ou ambientes de aprendizagem. A utilização da plataforma LCMS, permite também ao
professor acompanhar o estudo realizado pelos estudantes remotamente.
Por fim, a forma com que a arquitetura do Recurso de Aprendizagem foi concebida,
permite a expansão do conteúdo, dentro do campo de comunicações ópticas. O mapa
conceitual, assim como os objetos de aprendizagem, pode ser ampliados ou alterados,
conforme as necessidades.
Em resumo, a implantação do material instrucional, proposto neste trabalho, tem o
potencial de otimizar e tornar o processo de ensino sobre amplificadores ópticos EDFA eficaz
e eficiente. Pode, ainda, ser usado como uma estratégia complementar ao uso de métodos
tradicionais, já que incorpora as recentes inovações na área de pesquisa de educação e
engenharia da computação.
É importante observar que a análise dos resultados obtidos, assim como as conclusões
pertinentes a este trabalho, foram baseadas na avaliação do Recurso de Aprendizagem
desenvolvido, do ponto de vista da qualidade do projeto, resgatando conceitos da engenharia
de software. Como proposta de trabalhos futuros, sugere-se a avaliação da ferramenta de
estudo desenvolvida, para validação das conclusões obtidas, porém do ponto de vista
pedagógico. A avaliação ainda pode permitir revisão dos riscos identificados neste trabalho,
96
possibilitando a formalização de um modelo de desenvolvimento consagrado para a
construção de objetos de aprendizagem.
97
REFERÊNCIAS
Adobe Flash Interactive Multimedia Design. Disponível em: <http://www.adobe.com/products/flash>. Acesso em: 10 out 2008. ADL – Advanced Distributed Learning. Disponível em <http://www.adlnet.org>. Acesso em: 11 fev 2009. ANDERSON, John. “The Expert Module”. In Polson, M. & Richardson, J. (Eds.), Foundations of Intelligent Tutoring Systems, Lawrence Erlbaum Associates, 1988. ANDRADE, Leila Cristina Vasconcelos; GAVIDIA, Jorge Juan Zavaleta. Sistemas Tutores Inteligentes. 2003. Disponível em <http://www.cos.ufrj.br/~ines/courses/cos740/leila/cos740/STImono.pdf>. Acesso em: 10 fev 2008. AHLBERG, Mauri. Varieties of Concept Mapping. In: Proceedings of the First International Conference on Concept Mapping. Pamplona, Espanha. 2004. AICC – Aviation Industry Computer-Based Training Comittee. Disponível em: <http://www.aicc.org/>. Acesso em: 13 out 2008. BAILEY, Graig; BARTSCH, Dusan; KANDEL, Eric. Toward a molecular definition for long-term memory storage. In: Proceedings of the National Academy of Science of the United States of America. Volume 93. Número 24. 1996. BARRETO, Raquel; GUIMARÃES, Glaucia; MAGALHÃES, Ligica; LEHER, Elizabeth. As tecnologias da informação e de comunicação na formação dos professores. Revista Brasileira de Educação. Volume 11. Número 31. 2006. BAZZO, Walter Antonio; PEREIRA, Luiz Teixeira Do Vale. Introdução à engenharia. 6. ed. [rev. e ampl.] Florianópolis: Editora da UFSC, 2000. 274 p. BECKER, P. C.; OLSSON, N. A.; SIMPSON, J. R. Erbium-doped fiber amplifiers : fundamentals and technology. San Diego: Academic Press, 1993. BELLONI, Maria Luiza. Educação a distância. 2ª edição. São Paulo. Editora Autores Associados. 2003. 126 p. BIONDI, L; CHIGANER, L. O ensino da engenharia na era da telemática, o ensino da engenharia e a sociedade. XXVI COBENGE – Congresso Brasileiro de Ensino de Engenharia, v. 2. p. 647-663, 1998. BJARKLEV, Anders. Optical fiber amplifiers: design and system applications. Boston: Artech House, 1993. 392 p. BRINKMAN, Astrid. Graphical Knowledge Display – Mind Mapping and Concept Mapping as Efficient Tools in Mathematics Education. In Mathematics Education Review. No. 16. pp 35-48. 2003.
98
BRÜNKEN, Roland; PLASS, Jan; LEUTNER, Detlev. Direct Measurement of Cognitive Load in Multimedia Learning. In Educational Psychologist. Número 38. Volume 1. 2003. BURNS, Hugh; CAPPS, Charles. “Foundations of Intelligent Tutoring Systems: an Introduction”. In Polson, M. & Richardson, J. (Eds.), Foundations of Intelligent Tutoring Systems (pp. 1-19), Lawrence Erlbaum Associates, 1988. CMap Tools. Software development tool kit. Disponível em: <http://cmaps.ihmc.org/>. Acesso em: 10 fev 2009. CASAROTTO, R; CASAROTTO FILHO, N; KOPITTKE, B. Tecnologia só não basta. XXVI COBENGE – Congresso Brasileiro de Ensino de Engenharia, v. 2. p. 841-853, 1998. CAÑAS, Alberto; CARVALHO, Marco. Mapas Conceituais e IA: uma união improvável? In: Revista Brasileira de Informática na Educação (RBIE). Volume 13. 2005. COSTA, Sayonara. O Aprender pela Resolução de Problemas. In Masini, E. & Moreira, M. (Eds), Aprendizagem Significativa: Condições para Ocorrência e Lacunas que Levam a Comprometimentos. pp 193-208. Editora Vetor. 1ª Edição. 2008. CUENCA, José; OSSOWSKI, Sascha. Distributed Models for Decision Support. In Weiss, G. (Ed), Multiagent Systems. pp 459-504. MIT Press. 2000. DESURVIRE, Emmanuel. Erbium-doped fiber amplifiers : principles and applications. New York: John Wiley, 1994. DUTRA, R. L. S.; TAROUCO, L. Objetos de Aprendizagem: Uma comparação entre SCORM e IMS Learning Design, 2006. Disponível em: <http://www.cinted.ufrgs.br/renote/jul2006/artigosrenote/a1_20138.pdf>. Acesso em: 15 jan 2007 ESCOT – Educational Software Components of Tomorrow. Disponível em <http://www.escot.org/overview.html>. Acesso em: 17 jan 2008. eXe Learning XHTML Editor. Disponível em: <http://exelearning.org/. Acesso em: 08 out 2008. FERNANDES, Ana Maria. Inteligência Artificial: noções gerais. Visual Books. 2008. Flash Player Penetration. “Adobe – Flash Player Statistics”. Disponível em <http://www.adobe.com/products/player_census/flashplayer/> Acesso em: 22 jan 2008. GOLDSTEIN, I. P. The genetics graph: a representation for the evolution of procedural knowledge. In Sleeman, D. & Brown, J. S. (Eds), Intelligent Tutoring Systems. Academic Press, 1982. KEISER, Gerd. Fiber optical communications. 3rd ed. Boston: McGraw-Hill, 2000. 602 p
99
IEEE LTSC WG 12. Disponível em: <http://ltsc.ieee.org//>. Acesso em: 20 jun 2008. IMS GLOBAL LEARNING CONSORTIUM. IMS Learning Resource Metadata. Disponível em <http://www.imsglobal.org/>. Acesso em: 10 fev 2008. IMI, Development of Interactive Multimedia Instruction – Part 3 of 5. US Department of Defense Handbook. 2001. INGERMAN, Ake; LINDER, Cedric; MARSHALL, Delia; BOOTH, Shirley. Learning and the Variation in Focus among Physics Students when Using a Computer Simulation. In Nordic Journal of Science Education (Nordina). Vol. 1. pp 3-14. 2007. IRLBECK, Sonja; MOWAT, Joanne. Learning Content Management Systems (LCMS). In Koohang, A. & Harman, K. (Eds.), Learning Objects and Instructional Design (pp. 157-184), Santa Rosa, California, Informing Science Press, 2007. LAGO, Andrea; SANTANCHÉ, André; ALMEIDA, Patrícia Dourado Lima; FILHO, Pedro Ferreira. Objetos Digitais Complexos na Educação e os Objetos de Aprendizagem. In: XVIII Simpósio Brasileiro de Informática na Educação (SBIE). São Paulo, SP, 2007. LÉVY, Pierre. As tecnologias da Inteligência. Editora 34. 1990. LOHMANN, Adolf. Looking forward: Teaching optics in the 21st century. In: Proceedings of Education and Training in Optics and Photonics, St Petersburg. Rússia. p 52 – 61. 1991. LOPES, Antonia. Aula Expositiva: Superando o tradicional. In: Técnicas de Ensino: Por que não? p. 35 – 48. Editora Papirus. 18º edição. 1991. MAYER, Richard. Multimedia Learning. Santa Barbara. Cambridge University Press, 2001. MATZ, M. Towards a process model for high school algebra errors. In Sleeman, D. & Brown, J.S. (Eds.), Intelligent Tutoring Systems (pp. 25-50), Academic Press, 1982. MEDEIROS, Alexandre; MEDEIROS, Cleide Farias de. Possibilidades e Limitações das Simulações Computacionais no Ensino da Física. In Revista Brasileira de Ensino da Física. Vol.24, n.2, pp. 77-86. 2002. MONTEIRO, Bruno; CRUZ, Henry; ANDRADE, Mariel; GOUVEIA, Thiago; TAVARES, Romero; dos ANJOS, Lucídio. Metodologia de Desenvolvimento de Objetos de Aprendizagem com foco na Aprendizagem Significativa. In: XVII Simpósio Brasileiro de Informática na Educação (SBIE). Brasília, DF, 2006. MOODLE: A Free, Open Source Course Management System for Online Learning. Disponível em: <http://moodle.org/>. Acesso em: 02 out 2008. MOREIRA, Marco Antonio. Aprendizagem Significativa Segundo Ausubel. In Masini, E. & Moreira, M. (Eds), Aprendizagem Significativa: Condições para Ocorrência e Lacunas que Levam a Comprometimentos. pp 15-44. Editora Vetor. 1ª Edição. 2008
100
MUSTARO, Pollyana; SILVEIRA, Ismar; OMAR, Nizam; STUMP, Sandra, Structure of Storyboard for Interactive Learning Objects Development, In Koohang, A. & Harman, K. (Eds.), Learning Objects and Instructional Design (pp. 253-280), Santa Rosa, California, Informing Science Press, 2007. NAHVI, Mahmood. Dynamics of Student-Computer Interaction in a Simulation Environment: Reflection on Curricular Issues. In: Proceedings of Frontiers in Education. 1996. NETO, Wilson Castelo Branco. “Web Semântica na Construção de Sistemas de Aprendizagem Adaptativos”. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Santa Catarina. 2006. NETTO, Alvim. IHC: Modelagem e Gerência de Interfaces com o Usuário. Florianópolis. Editora Visual Books. 2004. NOVAK, Joseph.; CAÑAS, Alberto. The theory underlying Concept Maps and How to Construct and Use them. In: Technical Report IHMC CMap Tools. 2008. Disponível em: <http://cmap.ihmc.us/Publications/ResearchPapers/TheoryUnderlyingConceptMapsHQ.pdf>. Acesso em: 21 mai 2009. NOVAK, J.; GOWIN, B. Learning how to learn. Nova Iorque. Cambridge University Press. 1984. PEDROTTI, Leno; BEASLEY, Gary; SHERMAN, James. Mathematics for Photonics Education. In: Education and Training in Optics and Photonics, Otawa, Canadá. p 91 – 96. 2005. PREECE, J.; ROGERS, Y.; SHARP, H. Design de Interação: Além da Interação Homem Computador. Editora Bookman. 2004. Photonic Modules Reference Manual. A demonstration version of Photonic Transmission Design Suite (PTDS) for Windows. VPI. 1999. ROGERS, P.; BERG,G.; BOETTECHER, J.; JUSTICE, L. Encyclopedia of Distance Learning. 2nd edition. Information Science Reference (IGI Global). London, UK. 2009. RUSSELL, Stuart; NORVIG, Peters. Inteligência Artificial. Editora Campus. 2000. SILVEIRA, Ismar; OMAR, Nizam; MUSTARO, Pollyana. Architecture of Learning Object Repositories. In Koohang, A. & Harman, K. (Eds.), Learning Objects and Instructional Design (pp. 131-155), Santa Rosa, California, Informing Science Press, 2007. SINGH, Munindar; RAO, Anand; GEORGEFF, Michael. Formal Methods in DAI: Logic-based Representation and Reasoning. In Weiss, G. (Ed), Multiagent Systems. pp 331-376. MIT Press. 2000. SIPSER, Michael. Introdução à Teoria da Computação. Editora Thompson. 2ª edição. 2007.
101
SLEEMAN, D. Assessing aspects of competence in basic algebra. In Sleeman, D. & Brown, J.S. (Eds.), Intelligent Tutoring Systems (pp. 185-200), Academic Press, 1982. SLEEMAN, D; HENDLEY, R.J. ACE: a system which analyses complex explanations. In Sleeman, D. & Brown, J.S. (Eds.), Intelligent Tutoring Systems (pp. 49-118), Academic Press, 1982. SMULLYAN, Raymond. First-order Logic. Dover Publications, Inc. Nova Iorque. 1995. SOUZA, E. A. Aplicações de Fibras dopadas com Érbio. 1991.84f. Tese (Doutorado em Física) – Universidade Estadual de Campinas, Campinas, 1991.
STUMP, Sandra Maria Dotto; MUSTARO, Pollyana Notargiacomo. . Utilização de Objetos de Aprendizagem: propostas metodológicas para a educação em engenharia no século XXI. In: GCETE'2005 - Global Congress on Engineering and Technology Education, 2005, Bertioga-SP. GCETE'2005. São Vicente - SP : Conselho de Pesquisas em Educação e Ciências,.v. 1. p. 1-6. 2005 VANLEHN, Kurt. “Student Modeling”. In Polson, M. & Richardson, J. (Eds.), Foundations of Intelligent Tutoring Systems, Lawrence Erlbaum Associates, 1988. VPI Photonics: Photonic Design and Simulation Software. Disponível em <http://www.vpiphotonics.com/>. Acesso em 02 out 2008. WILEY, D. A. Conecting learning objects to instructional design theory: A definition, a metaphor, and a taxonomy. Disponível em <http://reusability.org/read/chapters/wiley.doc>. Acesso em: 20 jan 2007. WILEY, D.A. “Learning Object Design and Sequencing Theory”, Tese, Universidade Brigham Young. Provo, EUA, 2000. WOOLDRIDGE, Michael. Intelligent Agents. In Weiss, G. (Ed), Multiagent Systems. pp 27-77. MIT Press. 2000.
102
Apêndice A – Teoria sobre Amplificadores EDFA
O objetivo desta pesquisa é desenvolver um recurso de aprendizagem no campo das
comunicações ópticas e dentro deste tópico é abordado o tema dos amplificadores ópticos de
fibras dopadas por érbio, ou como são mais conhecidos Erbium Doped Fiber Amplifier
(EDFA).
Os amplificadores ópticos EDFA surgiram por volta do ano de 1985 na Universidade
de Southampton e nos laboratórios da AT&T Bell Labs nos Estados Unidos, motivados pela
saturação da tecnologia dos repetidores eletrônicos nos sistemas de telecomunicações ópticos
(DESURVIRE, 1994). Nesta ocasião, os cientistas provaram que as fibras ópticas dopadas por
íons de terras raras podem dar ganho ao sinal injetado na fibra na faixa de 1550 nm para o
caso do dopante ser o elemento érbio. Os amplificadores ópticos EDFA são fundamentais
para o desenvolvimento dos sistemas de comunicação ópticas, pois substituem os
regeneradores eletrônicos. Nos sistemas que utilizam amplificadores eletrônicos, o sinal
óptico deve ser convertido em elétrico por meio de um fotodiodo, é amplificado pelo
regenerador eletrônico e posteriormente é convertido em sinal óptico por meio de um diodo
laser semicondutor. Este processo de conversão do sinal é indesejado pois os princípios e
características dos amplificadores eletrônicos são distintos e não apropriados para um sistema
óptico.
A principal característica distinta entre amplificadores eletrônicos e ópticos é a largura
de banda de operação. Os amplificadores EDFA trabalham em torno do comprimento de onda
de 1,5 µm, apresentando uma largura de banda de aproximadamente 35 nm, enquanto os
amplificadores eletrônicos trabalham com uma largura de banda de 10 GHz. As principais
vantagens do uso dos amplificadores EDFA não se resumem apenas ao fato da largura de
banda ser maior, mas também por trabalhar exclusivamente no domínio ópticos, sem a
necessidade de conversão do sinal para amplificá-lo, como ocorre nos amplificadores
eletrônicos. Os amplificadores EDFA são caracterizados pela alta potência de saída, baixo
ruído, maior adaptação aos sistemas ópticos, além de trabalhar tanto com transmissão de
sinais analógicos e digitais.
A limitação que os amplificadores ópticos EDFA é determinada pela faixa de trabalho
ser apenas na janela de 1550 nm, enquanto muitos equipamentos de comunicações ópticas
trabalham na janela de 1300 nm.
103
CARACTERÍSTICAS E PROPRIEDADES DO ÉRBIO
O elemento érbio é um íon denominado terra rara e é encontrado normalmente
trivalente com distribuição eletrônica 4f11 5s2 5p6. Ocorre que as camadas 5s e 5p estão
completas de elétrons e estes começam a ocupar o nível de energia 4f progressivamente. A
camada 4f, ao invés de ter um raio superior ao das camadas 5s e 5p, sofre uma contração,
tornando-se então “protegida” por estas camadas de raio superior e isto quer dizer que os
elétrons da camada 4f são pouco perturbados pela vizinhança (SOUZA, 1991).
Quando o íon Er3+ é colocado em um cristal, sofre a ação do campo eletromagnético não
homogêneo produzido pela distribuição de cargas deste cristal. Tal campo distorce as camadas
do Er3+, principalmente na camada não fechada 4f, gerando alterações em seu espectro de
energia. Estas modificações em seu espectro se dão pelo fato de haver uma separação e
subdivisão dos níveis de energia quando o érbio está inserido no cristal. Este fenômeno é
conhecido como Stark. As subdivisões dos níveis de energia do érbio podem ser vistas na
Figura 9.
Figura 1 – Derivação dos níveis de energia do érbio
(Traduzido e Adaptado de Becker, 1993).
104
A partir do estudo detalhado dos níveis de energia do Er3+ cresceu o interesse no uso
deste elemento em amplificadores ópticos e lasers. Isto deve-se ao fato da transição dos níveis 4I13/2 ↔
4I15/2 na região cujo comprimento de onda é 1550 nm (Gráfico 1).
Gráfico 1 – Distribuição dos níveis de energia do érbio
(Traduzido e Adaptado de Bjarklev, 1993).
Outro aspecto fundamental para o sucesso do érbio é o fato do nível 4I13/2 estar
separado do nível mais próximo inferior (4I15/2) por um gap de energia que possibilita um
tempo de vida longo e um decaimento radiativo. O tempo de vida do elétron excitado no nível
de energia 4I13/2 é de aproximadamente 10 ms, porém varia de acordo com a concentração de
érbio e o meio em que o mesmo está inserido. Este tempo de vida longo permite a inversão de
população entre o nível 4I15/2, i.e., possibilita que os elétrons estejam majoritariamente no
nível mais energético a partir de uma fonte de energia de excitação, com potência
relativamente baixa, mas de fácil construção e implementação. O tempo de vida nos níveis de
energia 4I11/2 e superiores são consideravelmente menores (aproximadamente 105s-1),
impedindo que os elétrons ocupem estes níveis de energia por um tempo mínimo necessário
para amplificar o sinal. De acordo com o Gráfico 1, este fator não caracteriza uma
105
desvantagem em relação ao érbio, pois o ganho no espectro em outras transições dos níveis de
energia seria em outros comprimentos de ondas e em alguns casos não ocorre transição
radioativa. A tabela 1 mostra uma comparação entre o tempo de vida no nível 4I13/2 em relação
ao meio (elemento hospedeiro) em que o elemento dopante Er3+ se encontra.
Tabela 1 – Diferentes tempos de vida para o elétron excitado em diferentes meios
(Traduzido e Adaptado de Desurvire, 1994).
Elemento Hospedeiro Tempo de fluorescência (ms)
Na-K-Silício 14
ED-2 (silício) 12
Silício 14,7
Silício (L-22) 14,5
Al-P Sílica 10,8
Al-Ge Sílica 9,5 – 10,0
Na-Mg- Fosfato 8,2
LGS-E (fosfato) 7,7
LGS-E7 (fosfato) 7,9
Fosfato 10,7
Fosfato 8,5
Fluorofosfato 8,0
Fluorofosfato L11 8,25
Fluorofosfato L14 9,5
Ba-La boro 8,0
Na-K-Ba-Al germânio 6,5
Fluoreto 10,3
Fluorozirconato F88 9,4
Telúrio 4,0
Conforme pode ser visto no gráfico 4, a região de emissão é na faixa de 1,5µm e isto
torna os amplificadores EDFA estratégicos nos sistemas de comunicação que utilizam fibras
ópticas. Isto pode ser explicado pelo fato das fibras ópticas “standard” apresentarem o menor
nível de atenuação do sinal na faixa de 1,5 µm, conforme visto no Gráfico 2.
106
Gráfico 2 – Curva de Atenuação da fibra
(Traduzido e Adaptado de Keiser, 2000).
A partir de estudos em diversos centros de pesquisa envolvendo química, física
quântica e outras disciplinas relacionadas, pôde-se concluir que as características apresentadas
peculiares ao Er3+ em relação a sua estrutura eletrônica e espectro de emissão e absorção de
energia justificam seu uso em amplificadores ópticos, lasers e outras mais aplicações.
PRINCÍPIO DE FUNCIONAMENTO DO EDFA
Para o estudo do princípio de funcionamento de uma fibra óptica dopada pelo íon Er3+
é necessário o entendimento de alguns conceitos fundamentais como absorção de energia,
emissão estimulada de fótons e amplificação da emissão espontânea (ASE).
Absorção de energia
A idéia de amplificadores ópticos está diretamente relacionada com o aumento do
fluxo de fótons por meio de determinado link de transmissão por fibra óptica. A emissão de
fótons ocorre a partir da transição de elétrons entre níveis de energia, ou seja, quando um
107
elétron decai de um nível de energia E2 para um nível de energia E1, sendo E2 > E1, tal
diferença de energia 12 EEE −=∆ é liberada por meio da emissão de um fóton, e isto ocorre
por meio do bombeio de energia à fibra dopada por érbio.
Pode-se dizer que um elétron está em seu estado fundamental quando se encontra em
um nível de energia menor e encontra-se excitado quando está num nível de energia maior. A
passagem do elétron de seu estado fundamental para o estado excitado é chamada de absorção
de energia. A população de elétrons no estado fundamental necessita de uma fonte de energia
para que esta população passe ao estado excitado. O aumento da temperatura ambiente é uma
forma de excitar os elétrons onde a energia térmica é responsável pela transição dos elétrons.
No caso particular dos amplificadores ópticos EDFA, a inversão de população é fundamental
para a amplificação do sinal por meio da emissão de fótons.
A inversão de população dá-se quando uma fonte de energia, chamada bombeio,
fornece energia suficiente para que a população N2 seja maior que a população no estado
fundamental N1. O gráfico 3 mostra o espectro de absorção do Er3+, ou seja, os comprimentos
de onda do sinal de bombeio (λp) que os elétrons do nível de energia E1 são mais facilmente
excitados ao nível de energia E2.
Gráfico 3 – Espectro de absorção de energia do érbio
(Traduzido e Adaptado de Becker, 1993)
Os parâmetros e tipos de bombeio mais usados nos amplificadores EDFA serão
detalhados posteriormente neste capítulo.
108
Emissão Estimulada
O conceito de emissão estimulada é importante para a compreensão do princípio de
trabalho dos amplificadores ópticos EDFA ao amplificar a luz que se propaga ao longo da
fibra óptica. Em 1916, o cientista Albert Einstein baseado na lei de radiação de Plank
experimentou que em um meio que apresenta radiação eletromagnética é possível que um
fóton interaja com um elétron no estado excitado, ou seja, em um nível maior de energia (E2)
que seu nível de energia no estado fundamental (E1). A partir desta interação, os elétrons
liberam energia por meio da emissão de um fóton com as mesmas características do fóton que
interagiu com o elétron excitado. De acordo com Plank, a energia do fóton pode ser descrita
de acordo com a expressão 1, onde h é a constante de Plank e ν é a freqüência do fóton
emitido.
νhEEE =−=∆ 12 (1)
Este processo é chamado de emissão estimulada, pois a radiação eletromagnética
propagando na fibra óptica por meio do fóton estimula os elétrons excitados, e estes decaem
para o estado fundamental emitindo um fóton coerente, i.e., mesma direção, sentido de
propagação, fase e freqüência que o fóton que o estimulou.
Emissão Espontânea
A amplificação de emissão espontânea (Amplified Spontaneous Emission – ASE) é
outro importante fenômeno que ocorre nos amplificadores ópticos. Consiste no fato que um
elétron excitado pode decair ao seu estado fundamental, liberando energia por meio de um
fóton cujas características (direção, sentido de propagação e freqüência) não são as mesmas
em relação ao sinal que se propaga na fibra óptica e que deveria ser amplificado. Este fóton
emitido espontaneamente se propaga na fibra, estimulando outros elétrons excitados e desta
forma acontece a amplificação do número de fótons emitidos espontaneamente,
caracterizando a ASE. O motivo pelo qual a transição de elétron emite um fóton
espontaneamente consiste no curto tempo de permanência do elétron excitado (no subnível 4I13/2), este imediatamente volta ao estado fundamental (4I15/2) antes de interagir com um fóton
proveniente do sinal que se deseja amplificar.
Este processo de amplificação dos fótons emitidos espontaneamente tem como efeito a
redução do ganho do amplificador EDFA, portanto, deve ser estudado detalhadamente. Foi
109
definida uma convenção que referencia o espectro de potência da ASE como foward e
backward, de acordo com o sentido de propagação da potência da ASE em relação ao sinal de
entrada que se deseja amplificar. O gráfico 4 mostra os resultados experimentais do espectro
de potência da ASE.
Gráfico 4 – Ganho espectral na emissão espontânea
(Traduzido e Adaptado de Becker, 1993)
Estes resultados podem variar com o comprimento da fibra dopada por érbio, além da
potência do sinal de bombeio conforme visto no gráfico 4. O ruído que a ASE insere no sinal
óptico e outras considerações serão detalhadas posteriormente neste capítulo.
110
Apêndice B – CD com exemplo de navegação pelo Recurso de Aprendizagem
