Este documento descreve uma proposta para desenvolver um sistema inteligente baseado em inteligência artificial para gerar tarefas de ensino adaptadas individualmente para o aprendizado de leitura e escrita. O sistema usa um sistema fuzzy para modelar as habilidades do aluno e gerar as próximas tarefas de acordo. Um protótipo de jogo educacional foi desenvolvido para testar a abordagem. Experimentos com especialistas indicaram que o sistema foi capaz de gerar tarefas com níveis de dificuldade apropriados para diferentes perfis de alunos na maior
Um sistema f uzzy para geração de tarefas de ensino de leitura e escrita em um jogo digital
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)
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. 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. 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. 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. 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. 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. 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
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. 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. 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. 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. 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. 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. 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. Trabalhos Relacionados
Jogo
Miguel
Ponto Forte
Gera terrenos 3D de escala invariante.
Ponto Fraco
Não pode ser gerado em tempo real.
Alto custo computacional.
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.
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. 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. Inferência Fuzzy
Variáveis de saída:
DTT: Necessidade do tipo de tarefa.
DNC: Necessidade do número de comparações.
DPI: Necessidade da palavra incorreta.
LAAI - UFPA
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
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
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. EXPERIMENTOS E RESULTADOS
1. Exemplo de Simulação de Déficit de aprendizado
para o ensino da palavra “bolo”.
LAAI - UFPA
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. 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. 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. 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. 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. 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
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. [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. 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
Notas del editor
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.)