adalbertobosco@gmail.com
Adalberto Bosco C. Pereira
Dionne C. Monteiro
Laboratory of Applied Artificial Intelligence (LAAI...
Agenda
 INTRODUÇÃO
 ESTADO DA ARTE
 PROPOSTA ABORDADA
 RESULTADOS
 CONCLUSÃO
 REFÊRENCIAS
LAAI - UFPA
INTRODUÇÃO
 Ensino de leitura e escrita.
 Aprendendo a Ler e a Escrever em Pequenos Passos
(ALEPP)
 Gerenciador de Ensi...
Objetivos
 O foco deste trabalho é desenvolver uma solução baseada
num Sistema Fuzzy aplicada à geração de tarefas de ens...
Estado da Arte
 Jogos Digitais
 Jogos Digitais Educacionais
 Inteligência Artificial para Educação (AIED)
 A educação ...
Inteligência Artificial para Educação (AIED)
 É uma nova metodologia de assimilação do
conhecimento.
 Baseada na ciência...
Estado da Arte
 Análise do Comportamento
 psicologia experimental cognitiva
 busca ser uma ferramenta para o objeto de ...
Representação de tipo de estímulos
com e suas respectivas Letras
Representação do tipo do
estimulo
Tipo de Estimulo
A
Pala...
PROGRAMA DE ENSINO
 “Aprendendo a Ler e a Escrever em Pequenos Passos” (ALEPP)
 Tarefas de emparelhamento com o modelo (...
Exemplo de tarefa de ensino do GEIC
AB CB BC
Trabalhos Relacionados
 Jogo
 Dormans
 Ponto Forte
 Gera fases e missões.
 Ponto Fraco
 Não realiza o processo análi...
Trabalhos Relacionados
 Jogo
 ALE-RPG
 Ponto Forte
 Possuem Interface de fácil interação.
 Passou por teste de usabil...
Trabalhos Relacionados
 Jogo
 HEIKKI
 Ponto Forte
 Possuem Interface de fácil interação.
 Passou por teste de usabili...
Trabalhos Relacionados
 Jogo
 Loiacono
 Ponto Forte
 Gera pistas de um jogo de corrida.
 Gera tipos diferentes de pis...
Trabalhos Relacionados
 Jogo
 Smith
 Ponto Forte
 Gera espaços voltados para mini-jogos.
 Gera a mecânica para o espa...
Trabalhos Relacionados
 Jogo
 Mawhorter
 Ponto Forte
 Gera espaços para formar uma fase do jogo.
 Ponto Fraco
 Não g...
Trabalhos Relacionados
 Jogo
 Togelius
 Ponto Forte
 Gera mapas de um jogo específico.
 Visa garantir o entreteniment...
Trabalhos Relacionados
 Jogo
 Miguel
 Ponto Forte
 Gera terrenos 3D de escala invariante.
 Ponto Fraco
 Não pode ser...
ALE-RPG
LAAI - UFPA
Proposta Abordada LAAI - UFPA
Sistema IA-Jogo
MÁQUINA DE APRENDIZADO
 O objetivo da máquina de aprendizado é avaliar o grau
de aprendizagem da leitura e escrita do alu...
SISTEMA FUZZY
LAAI - UFPA
Variáveis de Entrada
 PTT: Probabilidade de acerto com determinada tarefa.
 TTT: Taxa de acerto com determinada tarefa.
...
Inferência Fuzzy
 Exemplo: “SE Probabilidade do tipo de tarefa BC É
Baixo (pertinência de 85%) E Taxa de acerto deste Tip...
Inferência Fuzzy
 Variáveis de saída:
 DTT: Necessidade do tipo de tarefa.
 DNC: Necessidade do número de comparações.
...
Defuzzification
 Defuzzification não necessária.
 Tomada de decisão.
 Maior grau de ativação e maior grau de
pertinênci...
Protótipo do Jogo
 Estória do jogo
 Amaru
 Explorador Espacial
 Urama
 Ajudante do Amaru
 Problemas com sua nave esp...
Gameplay LAAI - UFPA
EXPERIMENTOS E RESULTADOS
1. Três simulações foram realizadas identificando 3
comportamentos padrões de alunos :
1. Aluno ...
EXPERIMENTOS E RESULTADOSLAAI - UFPA
1. Bolo,
2. Tatu,
3. Vaca,
4. Bico,
5. Mala,
6. Tubo,
7. Pipa,
8. Cavalo,
9. Apito,
1...
EXPERIMENTOS E RESULTADOS
1. Das 15 palavras, foram analisadas as habilidades de
leitura e escrita de 5 palavras :
1. bolo...
EXPERIMENTOS E RESULTADOS
1. Exemplo de Simulação de Déficit de aprendizado
para o ensino da palavra “bolo”.
LAAI - UFPA
EXPERIMENTOS E RESULTADOS
1. Questionários foram submetidos a um grupo de
psicólogos que contêm uma sequência de ensino de...
EXPERIMENTOS E RESULTADOS
 Sobre o primeiro objetivo do questionário
 Tarefas consideradas complexas pela IA foram també...
EXPERIMENTOS E RESULTADOSLAAI - UFPA
DAP APG APC
IA Psicólogos IA Psicólogos IA Psicólogos
Bolo 4 2,5 4 3,5 5 5
Tatu 4 2 4...
EXPERIMENTOS E RESULTADOSLAAI - UFPA
1. Os psicólogos analisaram as opções de tarefas
escolhendo a que melhor atende as ne...
CONCLUSÃO
 Sistema fuzzy chamado de GTE
 Aventuras de Amaru
 inexistência de trabalhos que tinham como objetivo
utiliza...
TRABALHOS FUTUROS
 Testar em sala de aula com alunos reais.
 Criar novos mini-jogos.
 Compilar uma versão para tablet/a...
Vídeo do Jogo LAAI - UFPA
REFERENCES
[1] L. Xiangfeng, W. Xiao and Z. Jun ‘Guided Game-Based Learning’, Published
by IEEE Transactions on Learning T...
[15] T. S. Reis, D. G. Souza, J. C. Rose, ‘Avaliação de um programa para o ensino
de leitura e escrita’. In: Estudos em Av...
Adalberto Bosco C. Pereira (adalbertobosco @gmail.com)
Gilberto Nerino de Souza Jr (gilbertonerinojr @gmail.com)
Dionne C....
Próximos SlideShares
Carregando em…5
×

Um sistema f uzzy para geração de tarefas de ensino de leitura e escrita em um jogo digital

311 visualizações

Publicada em

Apresentação referente a defesa de mestrado do Adalberto Bosco Castro Pereira

Publicada em: Educação
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
311
No SlideShare
0
A partir de incorporações
0
Número de incorporações
9
Ações
Compartilhamentos
0
Downloads
3
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide
  • In the figure below we see the ML input variables that will be fuzzyfied.
    ( Ler variaveis do slide)
  • To illustrate, here is a case of activation of the task type of a new task to be created. The variable probability and Hit Rate of the task type are fuzzified, hence submitted to fuzzy inference. (ler slide) depois de ler falar: It is thus generated an activation for each Task type.
  • We have here the output variables for each feature of the new task. (ler tabela)

    The fuzzy system will generate a task containing the task type AB, BC or CB, from the variable output DTT. a number of N comparisons, from the variable output DNC. and N incorrect words, from the variable output DPI.
  • There is no need, in this work, to defuzzify the output variables because we need only choose activation that had the highest degree of activation and greater degree of pertinence. It grants us that the best decision for each feature to generate a new task.

    Talvez não precise deste texto abaixo.
    (To explain how they will be making a decision, in the previous example,the task type that has an activation assigned as Highest is chosen as the best choice for the new type of task, if more than one type of task to be chosen as equal value, then to break ties, should be selected what has the highest degree of pertinence.)


  • Um sistema f uzzy para geração de tarefas de ensino de leitura e escrita em um jogo digital

    1. 1. adalbertobosco@gmail.com Adalberto Bosco C. Pereira Dionne C. Monteiro Laboratory of Applied Artificial Intelligence (LAAI) – Institute of Exact and Natural Sciences – Federal University (UFPA)
    2. 2. Agenda  INTRODUÇÃO  ESTADO DA ARTE  PROPOSTA ABORDADA  RESULTADOS  CONCLUSÃO  REFÊRENCIAS LAAI - UFPA
    3. 3. INTRODUÇÃO  Ensino de leitura e escrita.  Aprendendo a Ler e a Escrever em Pequenos Passos (ALEPP)  Gerenciador de Ensino Individualizado por Computador (GEIC)  Problema Motivacional do programa de ensino  Gamefication  ALE-RPG  Gerador de Tarefas de Ensino (GTE) LAAI - UFPA
    4. 4. Objetivos  O foco deste trabalho é desenvolver uma solução baseada num Sistema Fuzzy aplicada à geração de tarefas de ensino de escrita e leitura.  Modelar um sistema inteligente que fará uma geração de tarefas e fases adaptadas às necessidades de cada jogador.  Criar um protótipo baseado no modelo definido a fim de fazer os primeiros testes em uma base de dados existente no GEIC.  Fazer um protótipo do jogo “Aventuras de Amaru” que possua caráter lúdico.  Realizar coleta de resultados com especialistas, testando a eficácia da geração das tarefas e fases de aprendizado e verificar se sua adaptação está adequada. LAAI - UFPA
    5. 5. Estado da Arte  Jogos Digitais  Jogos Digitais Educacionais  Inteligência Artificial para Educação (AIED)  A educação auxiliada por meio computacional  Computer-Based Training (CBT)  Computer Assisted Instructional (CAI)  Os sistemas CAI e CBT não apresentavam instruções adaptadas as necessidades dos seus usuários LAAI - UFPA
    6. 6. Inteligência Artificial para Educação (AIED)  É uma nova metodologia de assimilação do conhecimento.  Baseada na ciência cognitiva constituída da congregação de outras disciplinas como:  psicologia  neurociências  linguística  filosofia  inteligência artificial
    7. 7. Estado da Arte  Análise do Comportamento  psicologia experimental cognitiva  busca ser uma ferramenta para o objeto de estudo da psicologia  favorecer excepcionalmente no processo de ensino
    8. 8. Representação de tipo de estímulos com e suas respectivas Letras Representação do tipo do estimulo Tipo de Estimulo A Palavra Ditada. Por exemplo: pode ser ditada por um professor ou por meios tecnológicos como um computador através de sons emitidos. B Figura. C Palavra escrita. Por exemplo: é uma palavra escrita textualmente e apresentada por uma tela de computador ou um quadro negro. D Falar ou Sinalizar. É uma resposta dada pelo individuo. Significa ele falar em voz clara identificando o texto, som ou figura. Pode também apontar ou selecionar através do mouse o estimulo em questão. E Escrever. O individuo digita, escreve ou compõem o estimulo que foi apresentado a ele.
    9. 9. PROGRAMA DE ENSINO  “Aprendendo a Ler e a Escrever em Pequenos Passos” (ALEPP)  Tarefas de emparelhamento com o modelo (Matching to Sample - MTS)  Tarefas de construção de resposta (Constructed Response Matching to Sample - CRMTS) LAAI - UFPA
    10. 10. Exemplo de tarefa de ensino do GEIC AB CB BC
    11. 11. Trabalhos Relacionados  Jogo  Dormans  Ponto Forte  Gera fases e missões.  Ponto Fraco  Não realiza o processo análise sobre o jogador.  Não gera missões adaptáveis.
    12. 12. Trabalhos Relacionados  Jogo  ALE-RPG  Ponto Forte  Possuem Interface de fácil interação.  Passou por teste de usabilidade.  Ponto Fraco  Não ocorre diversificação das tarefas de jogo.  Não realiza o processo de aprendizagem e avaliação de leitura dentro do jogo.  Não possui mecanismos de feedback apropriado.
    13. 13. Trabalhos Relacionados  Jogo  HEIKKI  Ponto Forte  Possuem Interface de fácil interação.  Passou por teste de usabilidade.  Contem vários mini-games diferentes e divertidos.  Ponto Fraco  Não realiza o processo de aprendizagem e avaliação de leitura dentro do jogo.  Não possui mecanismos de feedback apropriado.
    14. 14. Trabalhos Relacionados  Jogo  Loiacono  Ponto Forte  Gera pistas de um jogo de corrida.  Gera tipos diferentes de pistas para diferentes perfis de velocidade.  Ponto Fraco  Não pode ser gerado em tempo real.
    15. 15. Trabalhos Relacionados  Jogo  Smith  Ponto Forte  Gera espaços voltados para mini-jogos.  Gera a mecânica para o espaço gerado anteriormente.  Ponto Fraco  Não garante jogabilidade.  Apresenta problemas ao gerar as fases do jogo.
    16. 16. Trabalhos Relacionados  Jogo  Mawhorter  Ponto Forte  Gera espaços para formar uma fase do jogo.  Ponto Fraco  Não garante jogabilidade  Necessita de uma biblioteca com os pedaços da fase.
    17. 17. Trabalhos Relacionados  Jogo  Togelius  Ponto Forte  Gera mapas de um jogo específico.  Visa garantir o entretenimento.  Garante a jogabilidade.  Ponto Fraco  Não pode ser gerado em tempo real.
    18. 18. Trabalhos Relacionados  Jogo  Miguel  Ponto Forte  Gera terrenos 3D de escala invariante.  Ponto Fraco  Não pode ser gerado em tempo real.  Alto custo computacional.
    19. 19. ALE-RPG LAAI - UFPA
    20. 20. Proposta Abordada LAAI - UFPA
    21. 21. Sistema IA-Jogo
    22. 22. MÁQUINA DE APRENDIZADO  O objetivo da máquina de aprendizado é avaliar o grau de aprendizagem da leitura e escrita do aluno em palavras individuais durante uma sessão de ensino.  Para isso é necessário definir os graus de dificuldade de uma tarefa de ensino.  Estrutura de uma tarefa de ensino.
    23. 23. SISTEMA FUZZY LAAI - UFPA
    24. 24. Variáveis de Entrada  PTT: Probabilidade de acerto com determinada tarefa.  TTT: Taxa de acerto com determinada tarefa.  PNC: Probabilidade de acerto com determinado número de comparações.  TNC: Taxa de acerto com determinado número de comparações.  PPI: Probabilidade de acerto com determina palavra incorreta.  TPI: Taxa de acerto com determinada palavra incorreta. LAAI - UFPA
    25. 25. Inferência Fuzzy  Exemplo: “SE Probabilidade do tipo de tarefa BC É Baixo (pertinência de 85%) E Taxa de acerto deste Tipo de Tarefa é Alto (pertinência de 63%), ENTÃO, a necessidade da nova tarefa ser do tipo BC é Médio (pertinência de 74%)” LAAI - UFPA
    26. 26. Inferência Fuzzy  Variáveis de saída:  DTT: Necessidade do tipo de tarefa.  DNC: Necessidade do número de comparações.  DPI: Necessidade da palavra incorreta. LAAI - UFPA
    27. 27. Defuzzification  Defuzzification não necessária.  Tomada de decisão.  Maior grau de ativação e maior grau de pertinência. LAAI - UFPA
    28. 28. Protótipo do Jogo  Estória do jogo  Amaru  Explorador Espacial  Urama  Ajudante do Amaru  Problemas com sua nave espacial obriga a realização de um pouso forçado no planeta Terra.  O objetivo do Amaru: Aprender a ler e escrever para reparar sua nave e prosseguir com sua viagem interplanetária
    29. 29. Gameplay LAAI - UFPA
    30. 30. EXPERIMENTOS E RESULTADOS 1. Três simulações foram realizadas identificando 3 comportamentos padrões de alunos : 1. Aluno com Déficit de Aprendizado (DAP) 2. Aluno com Aprendizado Gradual (APG) 3. Aluno com Aprendizado Consolidado (APC) 2. O sistema foi testado na primeira unidade de ensino contendo 15 palavras usadas pelo GEIC. As 15 palavras utilizadas neste trabalho são: LAAI - UFPA
    31. 31. EXPERIMENTOS E RESULTADOSLAAI - UFPA 1. Bolo, 2. Tatu, 3. Vaca, 4. Bico, 5. Mala, 6. Tubo, 7. Pipa, 8. Cavalo, 9. Apito, 10. Luva, 11. Tomate, 12. Vovô, 13. Muleta, 14. Fita, 15. Pato
    32. 32. EXPERIMENTOS E RESULTADOS 1. Das 15 palavras, foram analisadas as habilidades de leitura e escrita de 5 palavras : 1. bolo 2. tatu 3. apito 4. tomate 5. muleta LAAI - UFPA
    33. 33. EXPERIMENTOS E RESULTADOS 1. Exemplo de Simulação de Déficit de aprendizado para o ensino da palavra “bolo”. LAAI - UFPA
    34. 34. EXPERIMENTOS E RESULTADOS 1. Questionários foram submetidos a um grupo de psicólogos que contêm uma sequência de ensino de tarefas das palavras do experimento para cada comportamento simulado. 2. Os questionários possuem dois objetivos. 1. O primeiro objetivo é identificar o nível de dificuldade de cada tarefa de ensino na seguinte escala: muito fácil = 1, fácil = 2, regular = 3, difícil = 4, muito difícil = 5. 2. Os psicólogos responderam o questionário contendo 5 opções, onde uma das alternativas de escolha foi a tarefa gerada pela IA. LAAI - UFPA
    35. 35. EXPERIMENTOS E RESULTADOS  Sobre o primeiro objetivo do questionário  Tarefas consideradas complexas pela IA foram também consideradas complexas pelos psicólogos.  14.28% das tarefas foram classificadas tanto pelos psicólogos quanto pela IA com mesmo nível de dificuldade.  64.28% das tarefas foram classificadas com uma diferença de 1 ponto, que significa uma pequena diferença aceitável entre as escolhas dos psicólogos e a escolha pela IA.  78.56% das tarefas geradas pela IA foram consideradas aceitáveis pelos psicólogos. LAAI - UFPA
    36. 36. EXPERIMENTOS E RESULTADOSLAAI - UFPA DAP APG APC IA Psicólogos IA Psicólogos IA Psicólogos Bolo 4 2,5 4 3,5 5 5 Tatu 4 2 4 4,5 5 5 Apito 5 2,5 5 3,5 4 3,5 Muleta 2 2 5 4,5 4 4,5 1. O segundo objetivo buscou avaliar o nível de dificuldade das tarefas geradas, dada a dificuldade gerada pela IA e a tarefa escolhida pelos psicólogos agrupados por comportamento do aluno.
    37. 37. EXPERIMENTOS E RESULTADOSLAAI - UFPA 1. Os psicólogos analisaram as opções de tarefas escolhendo a que melhor atende as necessidades dos alunos. 2. Em relação às tarefas geradas pela AI,: 1. 25% foram consideradas ideais, 2. 41,66% foram consideradas satisfatórias e 3. 33,34% foram consideradas longe do ideal. 4. Totalizando um aproveitamento de 66.66%
    38. 38. CONCLUSÃO  Sistema fuzzy chamado de GTE  Aventuras de Amaru  inexistência de trabalhos que tinham como objetivo utilizar técnicas de IA voltadas à automatização de geração de tarefas de ensino adaptativas voltadas para leitura e escrita  Foi escolhido o sistema fuzzy por ele se aproximar por ela se destacar em sua capacidade de expressar as imprecisões e incertezas do conhecimento nele representado, garantindo uma melhor aproximação do conhecimento dos psicólogos envolvidos no projeto LAAI - UFPA
    39. 39. TRABALHOS FUTUROS  Testar em sala de aula com alunos reais.  Criar novos mini-jogos.  Compilar uma versão para tablet/android.  Testar outras técnicas de IA para o GTE e comparar os resultados. LAAI - UFPA
    40. 40. Vídeo do Jogo LAAI - UFPA
    41. 41. REFERENCES [1] L. Xiangfeng, W. Xiao and Z. Jun ‘Guided Game-Based Learning’, Published by IEEE Transactions on Learning Technologies, (2010). [2] B.du Benedict. ‘What does the “AI” in AIED buy?’ Printed and published by IEE, Savoy Place, London WC2R 0BL, U.K., 1997. [5] D. Dormans and B. Sander, ‘Generating Missions and Spaces for Adaptable Play Experiences”, Published by IEEE Transactions on Computational Intelligence AI in Games, 2011. [6] L. B. Marques, R. G. Meio, R. M. Maria, ‘Manual do Usuário de Programas de Ensino via GEIC’ - Volume 1: ‘Aprendendo a Ler e Escrever em Pequenos Passos’. São Carlos, 2011. [7] M. A. Azevedo, M. L Marques, ‘Alfabetização hoje’. São Paulo: Cortez, 2001. [8] E. S. Sarmanho, E. B. Sales, D. M. Cavalcante, L. B. Marques, ‘Um Jogo com Reconhecedor de Voz para o Ensino de Crianças com Dificuldade de Aprendizagem em Leitura e Escrita’. Published by Semish, 2011. [13] J. C. Rose, D. G. Souza, A. L. Rossito, T. M. S. Rose, ‘Aquisição de leitura após história de fracasso escolar: equivalência de estímulos e generalização’. In: Psicologia: Teoria e Pesquisa, p.451-69. 1989. LAAI - UFPA
    42. 42. [15] T. S. Reis, D. G. Souza, J. C. Rose, ‘Avaliação de um programa para o ensino de leitura e escrita’. In: Estudos em Avaliação Educacional, 20, p.425-50. 2009. [16] C. D. Pedro, J. O. Adriano, ‘Aprendizado de Regras Nebulosas em Tempo Real para Jogos Eletrônicos’. XI Brazilian Symposium of Multimedia Systems and Web. Games – II Brazilian Workshop of Games and Digital Entertainment, 2003. [17] P. B. Moratori, M. V. Pedro, L. M. B. Manhaes, C. Lima, A. J. O. Cruz, E. B. Ferreira, and L. C. V. de Andrade. ‘Analysis of the Stability of a Fuzzy Control System Developed to Control a Simulated Robot,’ Fuzzy Systems, 2005. The 14th IEEE International Conference on Fuzzy, pp.726-730, 25-25 May 2005. [18] L.B. MARQUES, ‘Variáveis Motivacionais no Ensino de Leitura: O jogo como recurso complementar’, ed. São Carlos: UFSCar, 2009. [19] Mamdani, E.H., "Advances in the linguistic synthesis of fuzzy controllers," International Journal of Man-Machine Studies, Vol. 8, pp. 669-678, 1976. [20] R. J. Timothy Fuzzy Logic with Engineering Applications, Third Edition", ISBN: 047074376X, Wi ey, 5, 117-148, 2010. [14] de Souza, D. G., de Rose, J. C., Faleiros, T. C., Bortoloti, R., Hanna, E. S., & McIlvane, W. J. Teaching Generative Reading Via Recombination of Minimal Textual Units: A Legacy of Verbal Behavior to Children in Brazil. Revista Internacional De Psicologia Y Terapia Psicologica - International Journal of Psychology and Psychological Therapy, 9(1), pp 19–44, 2009.
    43. 43. Adalberto Bosco C. Pereira (adalbertobosco @gmail.com) Gilberto Nerino de Souza Jr (gilbertonerinojr @gmail.com) Dionne C. Monteiro (dionnecm @gmail.com) Pedro A. Nascimento (afonso.baco @gmail.com) Hyago P. Costa (hyagogow @gmail.com) Ellton S. Barros (elltonsalesbarros @gmail.com) Leonardo B. Marques (leobmarques @gmail.com) Deisy G. de Souza (deisydesouza @gmail.com) Fernando M. Salgado (fernandosalgado88 @gmail.com) Rafael Q. Bessa (rafaelqbessa @gmail.com ) Laboratory of Applied Artificial Intelligence (LAAI) – Institute of Exact and Natural Sciences – Federal University (UFPA) Autores, Colaboradores e Agradecimentos

    ×