Aula-I.A.- UFSC

301 visualizações

Publicada em

0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
301
No SlideShare
0
A partir de incorporações
0
Número de incorporações
2
Ações
Compartilhamentos
0
Downloads
2
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Aula-I.A.- UFSC

  1. 1. SISTEMAS MULTIAGENTES aplicados à TUTORIA INTELIGENTE LUÍS FELIPPE FLORIANI Universidade Federal de Santa Catarina 1
  2. 2. Ciência da Computação Matemática Orientação a Objetos Inteligência Artificial Sistemas Representação do Multiagentes Conhecimento RedesPsicologia Neurais Sociologia e Lógica Biologia (HUBNER, 2003) 2
  3. 3. CONCEITOS GERAISalguma coisa que percebe e entidade de software que entidade lógica ou física paraatua sobre o seu ambiente funciona de forma contínua e a qual se atribui uma missãoatravés de sensores. Numa autônoma em um ambiente que ela é capaz de executaranalogia, um agente humano geralmente habitado por outros de maneira autônoma e emutiliza os seus sentidos para agentes sendo capaz de intervir coordenação com outrosperceber o seu de forma flexível e inteligente, agentes. (BRIOT eambiente, enquanto um agente sem requerer orientação DEMAZEAU, 2002)robô, utiliza-se de humana constante.(BICA,1999)câmeras, motores, raiosinfravermelhos e outrossensores. (RUSSEL, 1995)AGENTES INTELIGENTES SISTEMAS MULTIAGENTES consistem em aplicações distribuídas formadas por conjuntos de agentes que cooperam entre si para resolução de problemas além de suas capacidades individuais 3
  4. 4. AGENTES REATIVOS COGNITIVOSescolhem suas ações baseados exclusivamente apresentam características que diferenciamnas percepções que têm do ambiente. dos agentes reativos, uma vez que possuemNormalmente possui representação do um “estado mental”, ou seja: raciocinam paraconhecimento implícita no código; por não construir um plano de ações que levará a umpossuir memória, não tem história dos fatos e objetivo pretendido.das ações que executou; não tem controledeliberativo (planejado); em geral, formamorganizações do tipo etológico e as sociedadessão formadas por muito agentes. 4
  5. 5. APLICAÇÕES E-LEARNING SILVA, BAVARESCO e SILVEIRA (2008) : 5
  6. 6. MUSA et al (2005): Introdução das técnicas de Inteligência Artificial aplicadas à Educação aDistância (EaD) mediada pela internet. Identifica o uso de agentes inteligentes nesta modalidade deensino, relacionando-os às capacidades destes modelos – de autonomia ecomunicação – para sistemas de tutores inteligentes. Projeto Tapejara – Sistema Inteligente de Ensino na Internet, executadoem parceria entre pesquisadores de Inteligência Artificial da UniversidadeFederal do Rio Grande do Sul (UFRGS) e da faculdade de psicologia daUniversidade do Vale dos Sinos (Unisinos) Sistema de construção e acompanhamento de cursos com o uso detécnicas pedagógicas que levam em conta os aspectos cognitivos deaprendizagem, monitorando o aluno na tentativa de descobrir e tratarcomportamentos fora do previsto para assegurar um aproveitamentosatisfatório. 6
  7. 7. DORSA et al (2011) Arquitetura de software para Ead com características de adaptatividade einteligência que ainda não estariam efetivamente presentes nos AmbientesVirtuais de Aprendizagem (AVAs) e outros softwares educativos 7
  8. 8. GEYER et al (2001) Projeto SEMAI – Sistema Multiagente de Ensino e Aprendizagem aprovado FAPERGS eapresentando no Simpósio Brasileiro de Informática na Educação em 2001. Modelo de agente que tem como objetivo a promoção do aprendizado através da adaptaçãodinâmica das características particulares do aluno: Adaptabilidade ao perfil do aluno - proporciona maior qualidade na seleção dos materiaisdisponibilizados, o sistema relaciona a cada aluno um modelo de crenças. Este modelo procurarepresentar o que o sistema julga conhecido pelo aluno e que seja suficiente para avançar noaprendizado; Seleção automática de estratégias de ensino adequadas - com base nos resultados obtidosatravés de avaliações realizadas ao longo do processo, o ambiente pode levar à adoção deestratégias mais adequadas para conduzir a aprendizagem do aluno em determinado assunto.As estratégias compostas por métodos e suas respectivas táticas podem ser reavaliadas ealteradas a qualquer momento; Personalização do currículo de ensino - através de um agente específico, responsável por estaatividade, a personalização do currículo é definida como a seleção de material de acordo comas táticas estabelecidas por cada método de ensino que compõe a estratégia selecionada. 8
  9. 9. BOLZAN e GIRAFFA (2004) White RabbitDesenvolvido pelo Departamento de Informática da Universidade de Montreal (Montreal -Canadá), aumenta a cooperação entre um grupo de pessoas pela análise de suaconversação. Cada usuário é assistido por um agente inteligente que estabelece um perfilde seus interesses. Com o comportamento móvel e autônomo o agente pesquisa agentespessoais de outros para encontrar aquele que tenham interesses comuns e então oscolocam em contato. LeCSDesenvolvido pelo Departamento de Computação e Estatística da UFSC em conjunto coma Universidade do Vale do Itajaí (Itajaí – Santa Catarina) e a Unidade de AprendizagemBaseada em Computador da Universidade de Lees (Leeds – UK), pode ser caracterizadocomo um sistema inteligente para o ensino a distância dando suporte à aprendizagemcolaborativa através da Web usando o método de ensinar com estudos de casos. 9
  10. 10. LANCADesenvolvido pelo grupo do Departamento de Informática e Pesquisa Operacional daUniversidade de Montreal (Montreal – Canadá) e da Unidade de Informática da Universidadede Paul (Bayonne – França), apresenta as principais características dos agentes para umambiente de aprendizagem à distância, bem como suas funções em ambientes distribuídos.Propõe também uma arquitetura para o ambiente com a especificação dos papéis dosdiferentes agentes inteligentes que compõem a sociedade.BagueraDesenvolvido pela Universidade de Grenoble (Grenoble – França) seu objetivo é desenvolveruma fundamentação teórica e metodológica para guiar a concepção e modelagem deambientes de aprendizagem. A plataforma está fundamentada no princípio que a funçãoeducacional do sistema está nas interações organizadas entre os componentes: agentes ehumanos, não meramente na funcionalidade de uma de suas partes. O primeiro resultadodesse projeto inclui uma arquitetura multiagente baseada na web para ambientes deaprendizagem e um protótipo para a aprendizagem de geometria. 10
  11. 11.  I-HelpDesenvolvido pela Universidade de Saskatchewan (Canadá), este projeto descreve umainfraestrutura multiagente baseada na web para auxiliar aprendizes na solução de problemas. Osistema contém uma variedade de recursos da aprendizagem, fóruns, materiais on-line, chat, etc. Explanation AgentDesenvolvido pelo Departamento de Informática e Pesquisa Operacional da Universidade deMontreal (Montreal – Canadá), tem como objetivo principal prover respostas ou explicaçõessobre o conteúdo com maior qualidade, identificando problemas que possam ocorrer durante oprocesso de explicação ou resolução de problemas, com dois objetivos específicos: descobrir afonte do mal entendimento do aprendiz através do modelo do estudante e ajudar o projetistado curso a adaptar suas explicações de acordo com estas observações. É utilizada a teoria deMapas Conceituais para estruturar uma representação formal. 11
  12. 12. REFERÊNCIASBICA, F. Eletrotutor III: Uma abordagem multiagente para o ensino a distância. Dissertação (Mestrado emComputação) – Universidade Federal do Rio Grande do Sul, Porto Alegre, 1999.BRIOT, J.P.; DEMAZEAU, Y. Princípios e Arquitetura de Sistemas Inteligentes. Paris: Hermes, 2002.BOLZAN, W., GIRAFFA, L., Estudo Comparativo sobre Sistemas Tutores Inteligentes Multiagentes Web. XISeminário de Computação. PUC-RS, 2002DORÇA, F., QUEIROZ, B., FERNANDES, M., LOPES, C. Um sistema inteligente multiagente para educação adistância. UFMG, Uberlândia, 2011.FREITAS, F.L., Sistemas Multiagentes Cognitivos para Recuperação, Classificação e Extração Integradas deInformação da WEB. Tese (Doutorado em Engenharia Elétrica) UFSC, Florianópolis, 2002.GEYER, C.F. SEMEAI - Sistema Multiagente de Ensino e Aprendizagem na Internet. Simpósio Brasileiro deInformática na Educação, 2001.HUBNER, J.F. Um Modelo de Reorganização de Sistemas Multiagentes. Tese (Doutorado em EngenhariaElétrica). USP, São Paulo, 2003SILVA, J.M., BAVARESCO, N., SILVEIRA, R.A., Projeto e desenvolvimento de um Sistema Multi-agentes paraObjetos Inteligentes de Aprendizagem baseado no padrão SCORM.Revista Brasileira de Informática naEducação. Volume 16 - Número 1 - Janeiro a Abril de 2008.RUSSEL, S.; NORVIG, P. Artificial Intelligence a Modern Approach. Prentice-Hall, 1995. 12

×