STIcomSMA

Prévia do material em texto

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL 
FACULDADE DE INFORMÁTICA 
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO 
 
 
 
 
 
 
 
 
Sistemas Tutores Inteligentes Multiagentes 
modelados com a metodologia para 
Engenharia de Sistemas Multiagentes MaSE 
 
por 
 
Willian Bolzan 
 
 
 
 
Dissertação apresentada como requisito parcial 
à obtenção do grau de Mestre em Ciência da 
Computação. 
 
Orientador: Profª. Dra. Lucia Maria Martins Giraffa 
 
 
 
Porto Alegre, novembro de 2002
II 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
À minha família. 
 
III 
Agradecimentos 
 
Gostaria de agradecer, primeiramente e especialmente, à minha mãe, Rosangela, por 
todo seu apoio e confiança, especialmente, desde quando decidi "sair de casa" em busca de um 
futuro melhor para todos. Obrigado por ser minha mãe e por desdobrar-se e fazer, também, o 
papel de pai. Eu sou o que sou graças a senhora. Obrigado!. 
À minha querida namorada, Simone, por todo amor e compreensão, principalmente 
nos momentos em que estive ausente. Muito obrigado, meu "bicho", por me fazer muito feliz. 
À minha orientadora, a Profª. Dra. Lucia Maria Martins Giraffa, pela constante e valiosa 
orientação, por todos os conselhos e palavras de motivação e, sobretudo, por toda ajuda e 
apoio dispensados. Mais do que uma orientadora, fostes uma grande amiga. Nunca vou 
esquecer o que fizeste por mim. Obrigado!. 
À toda minha família: pais, irmãos, avós, tios e primos, por toda ajuda, força e 
confiança. À todos meus amigos, pela amizade e companheirismo. Valeu!. 
À todos meus inesquecíveis colegas e amigos da graduação, especialmente ao 
Cleverton S. Vale "Kbeça", Cristiano R. Moreira "Bozana", Viviane M. Goi, e a todos 
àqueles que me ajudaram de uma maneira ou de outra a concluir essa etapa da minha vida. São 
nas horas difíceis que vemos quem são nossos verdadeiros amigos. 
Aos meus inesquecíveis colegas que tornaram-se verdadeiros amigos no PPGCC: 
Alexandre Amory, Andréa Konzen, Eduardo Rödel, Karina Benato, Luciano Cassol, 
Leonardo Castanheira, Flávia P. Carvalho, Leticia dos Santos Machado, Luiz Augusto 
Sangoi Pizzato, Leonardo Sewald Cunha, Luciano Ramis, Rafael Granada, Sheila Maria, 
Roberto Zannoni. Pelas festas e churrascos inesquecíveis, especialmente na "Casa dos 
Mestrandos". Que o tempo e a distância física não esmoreça essa amizade. 
Aos companheiros do esquadrão Killer Lattices (#KL#): "Aarzak", "Avagina", "Gen. Bin 
Laden", "Milch Cow", "Virgulino", "Gen. Killer Z", "Imortal", "Granadator", "Oshires", 
"Lara Croft", em nossas emocionantes partidas de "D" e, também, na Superliga Killer Lattices de 
Freestyle Pebolin. 
Aos colegas da turma de 2000 e 2002 do PPGCC, pelas novas amizades conquistadas. 
Aos funcionários e ao copo docente PUCRS/FACIN/PPGCC, especialmente, à Profa. 
Adja Andrade pelas importantes contribuições. 
À CAPES por viabilizar este trabalho através de seu suporte financeiro. 
IV 
Sumário 
 
LISTA DE ABREVIATURAS........................................................................................VI 
LISTA DE FIGURAS................................................................................................. VIII 
LISTA DE TABELAS .....................................................................................................X 
LISTA DE QUADROS ................................................................................................. XI 
RESUMO .....................................................................................................................XII 
ABSTRACT ................................................................................................................ XIII 
1 INTRODUÇÃO ....................................................................................................... 1 
1.1 CONTEXTO 2 
1.2 O PROBLEMA CONSIDERADO NESTA PESQUISA 2 
1.3 DELIMITAÇÃO DO ESTUDO 3 
1.4 QUESTÃO DE PESQUISA 4 
1.4.1 Hipóteses 4 
1.5 OBJETIVOS 4 
1.5.1 Objetivos específicos 4 
1.6 TRABALHOS CORRELATOS 5 
1.7 ORGANIZAÇÃO DO TEXTO 5 
2 SISTEMAS MULTIAGENTES E SISTEMAS TUTORES INTELIGENTES .....7 
2.1 STI MULTIAGENTES 11 
2.1.1 WHITE RABBIT 12 
2.1.2 LeCS 14 
2.1.3 LANCA 15 
2.1.4 Baguera 16 
2.1.5 I-Help 16 
2.1.6 The Explanation Agent 18 
2.1.7 AME-A 19 
2.1.8 Eletrotutor 20 
2.1.9 Um modelo computacional baseado na teoria de Vygotsky 22 
2.2 ESTUDO COMPARATIVO SOBRE OS AMBIENTES SELECIONADOS 23 
2.2.1 Resultado da análise comparativa 26 
3 METODOLOGIAS PARA DESENVOLVIMENTO DE SMA............................ 29 
3.1 METODOLOGIAS E ABORDAGENS PARA O DESENVOLVIMENTO DE SMA 29 
3.1.1 Abordagens 29 
3.1.1.1 Extensões das metodologias OO 30 
3.1.1.2 Extensões das metodologias da EC 32 
V 
3.2 METODOLOGIAS PARA SMA 33 
3.2.1 Gaia 34 
3.2.2 MaSE 36 
3.2.2.1 agentTool 41 
3.3 MASE COMO METODOLOGIA DE REFERÊNCIA 46 
4 STI MODELADOS COM METODOLOGIAS PARA SMA................................. 49 
4.1 ESTUDO DE CASO 50 
4.1.1 Construção de um Agente Pedagógico de Diagnóstico para a Aprendizagem Colaborativa 51 
4.1.1.1 Agente Diagnóstico 53 
4.2 APLICANDO MASE AO ESTUDO 53 
4.2.1 Análise 55 
4.2.1.1 Capturando Objetivos 55 
4.2.1.2 Aplicando Use Cases 58 
4.2.1.3 Refinando Papéis 65 
4.2.2 Projeto 71 
4.2.2.1 Criando Classes de Agentes 72 
4.2.2.2 Construindo Conversações 73 
4.2.2.3 Montando Classes de Agentes 75 
4.2.2.4 Projeto do Sistema 78 
5 CONSIDERAÇÕES FINAIS................................................................................. 81 
5.1 LIMITAÇÕES E TRABALHOS FUTUROS 83 
5.2 RESULTADOS OBTIDOS 85 
REFERÊNCIAS BIBLIOGRÁFICAS........................................................................... 87 
VI 
Lista de Abreviaturas 
AAII Australian Artificial Inteligence Institute 
ACL Agent Comunication Language 
AEIO Agent, Environment, Interactions, Organisation 
AFIT Air Force Institute of Technology 
AOSE Agent-Oriented Software Engineering 
ARCHON ARchitecture for Cooperative Heterogeneous ON-line systems 
AUML Agent Unified Modelling Language 
BDI Beliefs, Desires and Intentions 
CAI Computer Assisted Instruction 
CBR Case Based Resoning 
CBR Case Based Resoning 
CoMoMAS Contribution to Knowledge Modelling in a Multi-Agent Framework 
DESIRE framework for DEsign and Specification of Interacting REasoning components 
EC Engenharia do Conhecimento 
ES Engenharia de Software 
EURESCOM European Institute for Research and Strategic Studies in Telecommunications 
FACIN Faculdade de Informática 
IA Inteligência Artificial 
IAD Inteligência Artificial Distribuída 
IAED Inteligência Artificial Aplicada à Educação 
IE Informática na Educação 
ILE Intelligent Learning Environment 
ITS Intelligent Tutoring System 
KQML Knowledge Query and Manipulation Language 
VII 
LAN Local Area Network 
LeCS Learning from Case Studies 
MASB Multi-Agent Scenario-Based Method 
MaSE Multiagent Systems Engineering 
MASP Multi-Agent Systems develoPment 
MCOE Multi Cooperative Environment 
OA Orientado a Agente 
OMG Object Management Group 
OMT Object Modelling Technique 
OO Orientação a Objeto 
OOSE Object Oriented Software Engineering 
PGIE Pós-Graduação em Informática na Educação 
PPGC Programa de Pós-Graduação em Computação 
PPGCC Programa de Pós-Graduação em Ciência da Computação 
PUCRS Pontifícia Universidade Católica do Rio Grande do Sul 
RDD Responsability Driving Desing 
RPC Remote Procedure Calls 
SMA Sistemas Multiagentes 
SODA Societies in Open and Distributed spaces 
STI Sistemas Tutores Inteligentes 
UFRGS UniversidadeFederal do Rio Grande do Sul 
UFSC Universidade Federal de Santa Catarina 
UML Unified Modelling Language 
W-MCOE Web-Multi Cooperative Environment 
WWW Wide World Web 
ZPD Zone of Proximal Development 
VIII 
Lista de Figuras 
FIGURA 1: CONTEXTO DA PESQUISA ......................................................................................................................................2 
FIGURA 2: ARQUITETURA CLÁSSICA DE UM STI..................................................................................................................11 
FIGURA 3: ARQUITETURA GERAL DO SISTEMA WHITE RABBIT........................................................................................13 
FIGURA 4: ARQUITETURA DO SISTEMA LECS ......................................................................................................................14 
FIGURA 5: ARQUITETURA DO SISTEMA LANCA.................................................................................................................15 
FIGURA 6: ARQUITETURA DO SISTEMA I-HELP ...................................................................................................................18 
FIGURA 7: ARQUITETURA DO AMBIENTE EXPLANATION AGENT...................................................................................19 
FIGURA 8: ARQUITETURA DO AGENTE EXPLICAÇÃO........................................................................................................19 
FIGURA 9: ARQUITETURA DO AMBIENTE AME-A..............................................................................................................20 
FIGURA 10: ARQUITETURA DO AMBIENTE ELETROTUTOR III.........................................................................................21 
FIGURA 11: ARQUITETURA DO AMBIENTE PROPOSTO POR [AND2001] ........................................................................23 
FIGURA 12: SUBDIVISÃO DE UM AGENTE PEDAGÓGICO NO PROCESSO DE ENSINO-APRENDIZAGEM....................26 
FIGURA 13: COMPONENTES BÁSICOS DA METODOLOGIA GAIA.....................................................................................34 
FIGURA 14: VISÃO GERAL DA METODOLOGIA MASE [WOOD2000].............................................................................36 
FIGURA 15: DIAGRAMA DE HIERARQUIA DE OBJETIVOS [WOOD2000]........................................................................37 
FIGURA 16: DIAGRAMA DE SEQÜÊNCIA [WOOD2000] ....................................................................................................37 
FIGURA 17: MODELO DE PAPEL TRADICIONAL [WOOD2000]........................................................................................38 
FIGURA 18: DIAGRAMA DE CLASSES DOS AGENTES [WOOD2000].................................................................................39 
FIGURA 19: DIAGRAMA DE COMUNICAÇÃO ENTRE CLASSES (INICIATOR) [WOOD2000]..........................................39 
FIGURA 20: DIAGRAMA DE COMUNICAÇÃO ENTRE CLASSES (RESPONDER) [WOOD2000].......................................39 
FIGURA 21: CLASSE DE AGENTE GENÉRICA COM ARQUITETURA REATIVA [WOOD2000] ........................................40 
FIGURA 22: DIAGRAMA DE DISPOSIÇÃO [WOOD2000]....................................................................................................41 
FIGURA 23: INTERFACE GRÁFICA DA FERRAMENTA AGENTTOOL ..................................................................................41 
FIGURA 24: DIAGRAMA DE HIERARQUIA DE OBJETIVOS ................................................................................................42 
FIGURA 25: DIAGRAMA DE USE CASE...................................................................................................................................43 
FIGURA 26: DIAGRAMA DE SEQÜÊNCIA ...............................................................................................................................43 
FIGURA 27: DIAGRAMA DE CLASSES DE AGENTES.............................................................................................................44 
FIGURA 28: DIAGRAMA DE CLASSES DOS AGENTES ..........................................................................................................44 
FIGURA 29: DIAGRAMA DE TAREFAS ....................................................................................................................................45 
FIGURA 30: DIAGRAMA DE MONTAGEM ..............................................................................................................................45 
FIGURA 31: DIAGRAMA DE IMPLANTAÇÃO ..........................................................................................................................46 
FIGURA 32: CICLO DE TUTORAÇÃO E COREOGRAFIA .......................................................................................................49 
FIGURA 33: CONTEXTO DA PROPOSTA .................................................................................................................................50 
FIGURA 34: ARQUITETURA MULTIAGENTE [AND2001B].................................................................................................52 
FIGURA 35: USE CASE - AGENTE DIAGNÓSTICO [AND2001A].......................................................................................54 
FIGURA 36: ESTUDO DE CASO - DIAGRAMA DE HIERARQUIA DE OBJETIVOS .............................................................57 
FIGURA 37: ESTUDO DE CASO - USE CASES ........................................................................................................................58 
FIGURA 38: DIAGRAMA DE USE CASE - UML .....................................................................................................................59 
IX 
FIGURA 39: ESTUDO DE CASO - DIAGRAMA DE SEQÜÊNCIA (USE CASE 1: REGISTRAR COMPORTAMENTO DO 
GRUPO) ............................................................................................................................................................................60 
FIGURA 40: ESTUDO DE CASO - DIAGRAMA DE SEQÜÊNCIA (USE CASE 2: AVALIAR ZPD).....................................61 
FIGURA 41: ESTUDO DE CASO - DIAGRAMA DE SEQÜÊNCIA (USE CASE 3: CRIAR MODELO DO GRUPO).............62 
FIGURA 42: ESTUDO DE CASO - DIAGRAMA DE SEQÜÊNCIA (USE CASE 4: INFORMAR APOIO (SCAFFOLD)) .......63 
FIGURA 43: ESTUDO DE CASO - DIAGRAMA DE SEQÜÊNCIA (USE CASE 5: PROCESSO DE DIAGNOSTICO) ...........65 
FIGURA 44: ESTUDO DE CASE - DIAGRAMA DE PAPÉIS ....................................................................................................66 
FIGURA 45: ESTUDO DE CASE - DIAGRAMA DE PAPÉIS (REFINAMENTO 1) ..................................................................67 
FIGURA 46: ESTUDO DE CASE - DIAGRAMA DE PAPÉIS (REFINAMENTO 2 ).................................................................67 
FIGURA 47: ESTUDO DE CASO - DIAGRAMA DE TAREFAS CONCORRENTES.................................................................68 
FIGURA 48: DIAGRAMA DE TAREFAS CONCORRENTES .....................................................................................................69 
FIGURA 49: ESTUDO DE CASO - DIAGRAMA DE CLASSES DE AGENTES ........................................................................73 
FIGURA 50: ESTUDO DE CASO - DIAGRAMA DE CONVERSAÇÕES (REMETENTE) ........................................................74 
FIGURA 51: ESTUDO DE CASO - DIAGRAMA DE CONVERSAÇÕES (DESTINATÁRIO) ...................................................74 
FIGURA 52: ESTUDO DE CASO - DIAGRAMA DE ARQUITETURA DE AGENTE...............................................................76 
FIGURA 53: TELA PARA ARMAZENAR E RECUPERAR OBJETOS ..........................................................................................77 
FIGURA 54: ESTUDODE CASO - DIAGRAMA DE IMPLANTAÇÃO......................................................................................78 
FIGURA 55: EXEMPLO DE GERAÇÃO DE CÓDIGO AUTOMÁTICO .....................................................................................79 
 
X 
Lista de Tabelas 
TABELA 1: CONCEITOS ABSTRATOS E CONCRETOS NA METODOLOGIA GAIA.............................................................34 
 
XI 
Lista de Quadros 
QUADRO 1: QUADRO COMPARATIVO SOBRE OS AMBIENTES SELECIONADOS...............................................................25 
QUADRO 2: DESCRIÇÃO TEXTUAL DO USE CASE ................................................................................................................56 
XII 
Resumo 
Este trabalho apresenta resultados da pesquisa de mestrado que busca investigar 
requisitos e características que uma metodologia deve oferecer que possibilite a modelagem de 
Sistemas Tutores Inteligentes (STI) Multiagentes. Uma vez que, este tipo de aplicação 
educacional se constitui como um Sistema Multiagente (SMA), foi selecionada uma 
metodologia de referência denominada MaSE (Multi-agent System Engineering), proposta por 
Wood [WOOD2000], e com o objetivo de verificar a aplicação da metodologia proposta foi 
desenvolvida a simulação de um estudo de caso baseado no trabalho de Andrade 
[ANDR2001], a fim de que os requisitos e particularidades desta aplicação pudessem ser 
estudados. Os resultados obtidos através do processo de simulação permitiram validar a 
aplicação da metodologia como instrumento de modelagem do ciclo de tutoração presentes 
em STI multiagentes. 
Para contextualizar esta pesquisa, foi realizada, uma revisão bibliográfica dos principais 
STI que utilizam a tecnologia de agentes em seu projeto, com o objetivo de identificar alguns 
aspectos específicos em seu desenvolvimento. E, também, uma pesquisa sobre metodologias 
para o desenvolvimento de Sistemas Multiagentes, a fim de obter uma maior fundamentação e 
reunir subsídios para auxiliar no desenvolvimento dessa pesquisa. Estes resultados podem ser 
acessados em [BOL2001, BOL2002]. 
 
Palavras Chave: Sistemas Multiagentes, Sistemas Tutores Inteligentes, Engenharia de 
Software, Metodologias 
XIII 
 
Abstract 
This work presents the research results concerning to the set of requirements and 
characteristics desirable into a methodology in order to model Multiagent Intelligent Tutoring 
Systems (ITS). The methodology named MaSE (Multiagent System Engineering), proposed by 
Wood [WOOD2000], was selected as a reference to support our investigations. In order to 
better understand the limitations and potential of such methodology, a case study was 
developed based on Andrade's work [ANDR2001]. It able us to define the MaSE 
requirements and particularities. The Mediator agent was modelled using the set of tools 
related to MaSE. This experiment show us good results and point out the potential of such 
methodology to model and design multiagents ITS. 
In order to better contextualize this research, a bibliographical revision related to ITS 
and methodologies for Multi-agent System's design were developed. These results were 
summarised in this text, and a full version can be obtained in [BOL2001, BOL2002]. 
 
Keywords: Multiagent Systems, Intelligent Tutoring Systems, Software Engineering, 
Methodologies 
 
 
1 Introdução 
Com o advento da Informática e a evolução do hardware e das ferramentas de software, 
surgiu uma nova técnica que revolucionou o processo de ensino/aprendizagem: a auto-
instrução, que possibilitou a veiculação de uma vasta gama de informações de forma mais 
dinâmica do que os métodos de educação convencionais. 
Com o surgimento da Internet, redes e sistemas distribuídos, observa-se que os 
ambientes destinados ao ensino começaram a ser projetados em uma escala diferente. Passa-se 
a ter sistemas de maior porte, de maior complexidade de concepção e modelagem, e que 
trazem de forma intrínseca as mesmas características e problemas de outras aplicações que se 
utilizam destas mesmas tecnologias, como o caso dos Sistemas de Informação. 
Os Sistemas Tutores Inteligentes (STI) são programas educacionais projetados para 
oferecer algum tipo de auxílio personalizado ao aluno, considerando o processo de 
aprendizagem de um determinado conteúdo. Modelar e implementar um STI envolve aspectos 
de Engenharia de Software e aspectos pedagógicos associados a organização e manipulação do 
conteúdo a ser apresentado para o aluno. Nos últimos anos, observa-se a tendência de 
utilização/aplicação da tecnologia de agentes a fim de ampliar as possibilidades de se fazer esta 
assistência personalizada ao aluno. 
Quando aplicamos a tecnologia de agentes em STI, estes passam a ser considerados, 
também, como Sistemas Multiagentes (SMA). Entretanto, por se tratarem de software 
educacionais, precisam ser tratados de forma diferenciada devido a suas características 
peculiares. Portanto, a adaptação e/ou criação de ferramentas e metodologias mais específicas 
para STI é um campo de pesquisa novo, relevante e com diversificadas potencialidades 
investigativas. 
Utilizamos a expressão "tecnologia de agentes", ao invés de "paradigma de agentes" 
porque ainda não existe consenso na área de Inteligência Artificial (IA) para este novo padrão. 
Segundo Kuhn [KUH1997], paradigmas são as realizações científicas universalmente 
reconhecidas que, durante algum tempo, fornecem problemas e soluções modulares para a 
comunidade de praticantes de uma ciência. Portanto, tecnologia de agentes ainda não pode ser 
definido desta forma por não ter uma especificação, um modelo padrão totalmente 
estabelecido e aceito. 
2 
1.1 Contexto 
Este trabalho de pesquisa envolve diversas áreas do conhecimento, especialmente, a área 
de Inteligência Artificial Distribuída (IAD), especificamente na área de SMA. Além de incluir 
características interdisciplinares tanto da própria área de Inteligência Artificial (IA), 
Informática na Educação (IE), bem como, da área de Engenharia de Software (ES). 
A Figura 1 tem como objetivo representar o contexto desta pesquisa. Pode-se observar 
que, a pesquisa sobre STI Multiagentes, representado pelo retângulo mais escuro, é 
intrinsecamente interdisciplinar, abrangendo as três grandes áreas: Inteligência Artificial, 
Informática na Educação e Engenharia de Software. 
Engenharia de Software
Inteligência Artificial
Inteligência Artificial Distribuída
Sistemas Multiagentes
Informática na Educação
Sistemas Tutores Inteligentes
STI
Multiagentes
 
Figura 1: Contexto da Pesquisa 
Este trabalho está inserido no contexto do projeto MASP (MultiAgent System develoPment)1 
onde busca-se a especificação de uma metodologia e uma linguagem de modelagem para 
sistemas multiagentes e o conjunto de atividades a serem desenvolvidas para a construção de 
um sistema baseado nesta tecnologia. 
1.2 O Problema considerado nesta pesquisa 
Dos primeiros programas educacionais em modalidade CAI (Computer Assisted 
Instruction)2 aos atuais ambientes de aprendizagem cooperativos na Web que se utilizam da 
tecnologia de agentes, observa-se a crescente complexidade do projeto destes softwares 
educacionais. 
3 
O volume de informações a serem modeladas e tratadas cresceu de forma significativa. 
Projetar um software educacional não é mais uma tarefa que pode ser feita de forma empírica. 
É necessário planejar e usar formalismos e especificações que garantam a qualidade e 
confiabilidade ao sistema e, também, permita o reutilização de seus componentes. Logo, existe 
a necessidade de se utilizar ou de desenvolver uma metodologia que permita a especificação de 
taisambientes, visando qualidade, tanto em nível pedagógico, bem como, computacional. 
A carência de tais metodologias, que permitam a modelagem destes sistemas constitui-se 
na principal motivação deste trabalho. 
1.3 Delimitação do estudo 
Para a elaboração da proposta, adotou-se alguns pressupostos para que a proposta seja 
exeqüível em um tempo compatível com uma dissertação de mestrado. Como o 
desenvolvimento de STI é um processo que exige uma equipe interdisciplinar, atendendo 
aspectos referentes à modelagem de conteúdo, modelagem de estratégias de ensino e aspectos 
referentes ao projeto da interface gráfica, existe a necessidade de uma abordagem 
interdisciplinar para a execução do trabalho de pesquisa. 
Como estamos tratando de questões envolvendo STI multiagentes, faz-se necessário o 
estudo de metodologias para se modelar SMA, interações entre agentes e, escolha de um 
estudo de caso que permitisse avaliar os aspectos relacionados com aplicações educacionais, 
especificamente STI. 
Esta proposta concentra-se em modelar os aspectos relacionados a interação entre os 
agentes ou sociedade de agentes que compõem o STI. Especificamente, pretende-se modelar a 
assistência que o tutor presta ao aluno. As interações são o aspecto mais importante que 
acontecem no ciclo de tutoração dos STI [GIR1999, GOU2001]. 
Para realizar a modelagem dessas interações adotou-se uma metodologia de referência 
denominada MaSE (Multiagent Systems Engineering), proposta por Wood [WOOD2000]. A partir 
deste estudo, verificar-se-á se existe ou não a necessidade de se propor extensões para a 
metodologia MaSE. Uma vez que, propor uma metodologia nova e específica para STI não 
pareceu exeqüível no tempo disponível. Além do fato que para se propor uma nova 
 
1 MASP - Desenvolvimento de Sistemas Multiagentes - http://www.inf.pucrs.br/~giraffa/masp/ 
2 CAI - Instrução Assistida por Computador 
4 
metodologia existe a necessidade de se comparar trabalhos correlatos, identificar reais 
necessidades e carências na área, que justifiquem tal esforço. 
1.4 Questão de pesquisa 
Tendo em vista o contexto do problema e a delimitação do estudo descrito acima, 
emerge a seguinte questão de pesquisa: 
Que inclusões/adaptações devem ser feitas à metodologia MaSE, a fim 
de poder-se especificar as características e funcionalidades dos STI 
multiagentes? 
1.4.1 Hipóteses 
As hipóteses associadas à questão de pesquisa são: 
Hipótese 1 - Os Agentes Pedagógicos se dividem em 2 grupos: Assistentes e Executores de 
Tarefas; 
Hipótese 2 - Os Assistentes possuem funcionalidades específicas que não costumam aparecer 
em sistemas convencionais. Daí a necessidade de se adaptar a notação da 
metodologia MaSE para sua especificação; 
Hipótese 3 - Os Executores de Tarefas podem ser modelados da mesma forma que outros 
agentes de SMA voltados para outras áreas de aplicação; 
Hipótese 4 - Uma metodologia que permita a especificação das interações e papéis dos 
agentes em um SMA poderá ser adaptada para modelar STI Multiagentes. 
Hipótese 5 - As adaptações necessárias, se houverem, serão a nível dos diagramas, uma vez 
que precisam expressar o ciclo de tutoração existente entre os agentes. 
1.5 Objetivos 
Investigar a possibilidade de uso de metodologia MaSE para modelagem e projeto de 
STI Multiagentes. 
1.5.1 Objetivos específicos 
O objetivo geral pode ser desdobrado nos seguintes objetivos específicos: 
5 
1. Levantamento do referencial teórico sobre STI, SMA e metodologias, a fim de 
aprofundar os conhecimentos sobre esses domínios; 
2. Aprofundar o estudo sobre a proposta de [WOOD2000] relativa à metodolgogia MaSE; 
3. Propor eventuais adaptações na MaSE para especificação de STI com arquitetura 
multiagente; 
4. Elaborar um estudo de caso para ser utilizado como teste para investigação proposta. 
1.6 Trabalhos Correlatos 
Nesta seção apresenta-se alguns trabalhos que de alguma forma estão relacionados 
ao nosso foco de pesquisa. 
Um outro trabalho que busca um primeiro passo na definição de uma metodologia para 
a construção de STI multiagentes pode se encontrado na pesquisa realizada por Costa 
[COS2002], onde é apresentado um framework e também introduz uma metodologia baseada 
na modelagem do domínio do conhecimento para o projeto de STI em um ambiente de 
aprendizagem à distância, que adotam uma abordagem multiagente. 
Segundo Costa [COS2002], este trabalho faz parte de um projeto chamado MathNet, 
que é concebido para o projeto de desenvolvimento de ambientes de aprendizagem à distancia 
baseado numa abordagem multiagente. A idéia central da pesquisa de Costa é definir e 
desenvolver um ambiente que forneça meios efetivos para envolver aprendizes e professores 
humanos com o sistema tutor em interações cooperativas produtivas. Especificamente neste 
trabalho, [COS2002], o foco está na sociedade de agentes. Isto é, como projetar um agente 
tutor na sociedade de acordo com o framework proposto. Desta forma, a pesquisa de Costa 
foca-se na definição de uma metodologia para a construção de STI multiagente pela definição 
de cada um dos agentes tutores que fazem parte da sociedade. 
Nota-se que este campo de pesquisa é altamente promissor visto a pouquíssima 
quantidade de trabalhos encontrados que tratam de metodologias para a construção de STI. 
1.7 Organização do texto 
Este trabalho está estruturado em seis capítulos. 
6 
O Capítulo 2 apresenta o referencial teórico, onde são apresentados os conteúdos 
associados a esta pesquisa envolvendo SMA e STI. Apresenta-se algumas justificativas para a 
aplicação da tecnologia de SMA em STI. Apresenta-se, também, um resumo do estudo sobre 
os STI que utilizam a tecnologia de agentes no seu projeto. 
O capítulo 3, ainda relacionado ao referencial teórico, apresenta algumas considerações 
sobre metodologias para o desenvolvimento de SMA. Este capítulo é um resumo de um 
amplo estudo realizado pelo autor. 
O capítulo 4 descreve, primeiramente, a proposta para a modelagem de STI 
Multiagentes. Em seguida, apresenta-se a descrição da arquitetura proposta por Andrade 
[AND2001b], trabalho escolhido para servir como estudo de caso. 
O capítulo 5 apresenta as considerações finais, descrevendo as contribuições, limitações 
deste trabalho e os trabalhos futuros a serem desenvolvidos a partir destes resultados. 
O capítulo 6 apresenta a bibliografia utilizada para a redação deste volume. 
2 Sistemas Multiagentes e Sistemas Tutores Inteligentes 
A abordagem de agentes se preocupa em estudar o comportamento de uma sociedade 
constituída por agentes, que possuem como característica principal a autonomia e, têm como 
objetivo realizar tarefas que não são possíveis de serem realizadas individualmente. Segundo 
Russell & Norvig [RUS1995], um agente é um sistema capaz de perceber através de sensores 
as informações do ambiente onde está inserido e reagir, neste mesmo ambiente, através de 
atuadores. Segundo Woodridge [WOO1995], um agente pode ser definido como uma 
entidade de software que exibe um comportamento autônomo, que está situado em algum 
ambiente sobre o qual é capaz de realizar ações para alcançar seus próprios objetivos. Um 
agente é um software que possui um conjunto de propriedades específicas associadas ao seu 
objetivo/papel na sociedade multiagente onde está inserido. O seu objetivo/papel vai 
determinar as propriedades que deve ter. Porém, já existe consenso na comunidade de IAD 
que um agente deve ter no mínimo: autonomia, reatividade e habilidade social (comunicar-se 
com outros agentes do ambiente). Numa abordagem clássicapara a área de agentes 
encontramos a definição de Wooldridge [WOO1995], que visualiza um agente como sendo 
uma entidade com capacidade de resolução de problemas encapsulada. Neste contexto, 
define-se agente como tendo as seguintes propriedades: 
- autonomia: executam a maior parte de suas ações sem interferência direta de 
agentes humanos ou de outros agentes computacionais, possuindo controle total 
sobre suas ações e estado interno; 
- habilidade social: por impossibilidade de resolução de certos problemas ou por 
outro tipo de conveniência, interagem com outros agentes (humanos ou 
computacionais), para completarem a resolução de seus problemas, ou ainda para 
auxiliarem outros agentes; 
- capacidade de reação: percebem e reagem à alterações no ambiente em que 
estiverem inseridos; 
- capacidade pró-ativa: agentes, do tipo deliberativo, além de atuar em resposta às 
alterações ocorridas em seu ambiente, apresentam um comportamento orientado a 
objetivos, tomando iniciativas quando julgarem apropriado (no caso, aplicado 
apenas aos agentes cognitivos). 
A adoção da tecnologia de agentes e a utilização de uma metodologia de análise e 
projeto orientada a agentes na concepção de uma solução baseada em agentes traz diversos 
benefícios que podem ser analisados sob diferentes aspectos. Esses benefícios podem ser 
8 
mensurados do ponto de vista da qualidade da solução proposta, ou seja, do produto. Bem 
como, o processo de desenvolvimento do software, na forma de uma metodologia mais 
adequada garantindo, assim, maior segurança e confiabilidade ao desenvolvedor. 
Do ponto de vista da Engenharia de Software, a utilização de métodos e técnicas que 
valorizem o conceito de agente como uma poderosa abstração para compreensão e 
modelagem do mundo real, reduzindo a complexidade da fase de análise, remetendo o esforço 
do processo de desenvolvimento de software para as etapas de projeto e implementação. 
Nesse aspecto, o ganho da seleção da tecnologia de agentes é representado pela redução da 
lacuna existente entre o mundo real e o seu modelo. 
Desta forma, vários aspectos relacionados a agentes podem ser vantajosos no 
desenvolvimento de STI, como por exemplo: a cooperação que os agentes do STI. 
Segundo [JEN1996], a justificativa de aplicação da tecnologia de agentes na concepção 
de Sistemas de Informação é justificada quando o problema possui as seguintes características: 
- o domínio envolve distribuição intrínseca dos dados, capacidade de resolução de 
problemas e responsabilidades; 
- necessidade de manter a autonomia de subpartes, sem a perda da estrutura 
organizacional; 
- complexidade nas interações, incluindo negociação, compartilhamento de 
informação e coordenação; 
- impossibilidade de descrição da solução do problema a priori, devido à 
possibilidade de pertubações em tempo real no ambiente e processos de negócio 
de natureza dinâmica. 
O Instituto Europeu de pesquisa e Estudos Estratégicos em Telecomunicações 
(European Institute for Research and Strategic Studies in Telecommunications - EURESCOM) definiu os 
seguintes critérios para ajudar o desenvolvedor decidir se a utilização da abordagem 
multiagente é apropriada ou não ao seu projeto. Um dos objetivos do projeto é definir um 
guia para a identificação de áreas de aplicação onde a abordagem multiagente é mais adequada 
do que outras abordagens. Segundo este projeto, a abordagem multiagente é adequada na 
seguintes situações [OMA2001]: 
- os tipos de comunicações necessárias são diversas e complexas; 
- quando o sistema deve ter um bom desempenho em situações onde não é prático e 
possível especificar seu comportamento prévio; 
- envolvendo negociação, cooperação e competição entre diferentes entidades; 
- quando o sistema deve agir autonomamente; 
9 
- quando é esperado que o sistema seja expandido ou modificado. 
Logo, os softwares educacionais podem se utilizar da tecnologia de agentes porque 
possuem todas essas características. 
As propostas de utilização de arquiteturas SMA em STI trazem uma grande vantagem 
em relação as arquiteturas tradicionais de STI por apresentarem uma flexibilidade maior no 
tratamento dos elementos que compõem o sistema. Além disso, o fato de usarmos agentes 
para modelar os seus componentes possibilita o agrupamento da arquitetura tradicional (um 
módulo = um agente) ou na explosão de cada módulo em vários agentes [GIR2001]. 
Segundo Giraffa [GIR2001], a modelagem de STI numa arquitetura funcional de 
agentes é mais do que uma abordagem generalista. Teoricamente a modelagem não apresenta 
limites para o número de agentes que podem participar do processo de aquisição do 
conhecimento. Processo este que ocorre através de negociação dos papéis dos agentes tanto 
tutores, como aprendizes. 
Existem diversos exemplos na literatura sobre a utilização de agentes em sistemas 
educacionais. Segundo Shoham [SHO1993], uma sociedade de agentes para aprender e ensinar 
pode ser a solução para a construção de ambientes de ensino e aprendizagem, se os agentes 
trabalham de uma maneira concorrente e autônoma para alcançar seus objetivos. Os agentes 
em um ambiente de ensino/aprendizagem são considerados autônomos porque: as atividades 
dos agentes individuais não requerem constante supervisão externa (humana), e não há (ou 
deveria haver) autoridade central projetada para controlar todas as interações desempenhadas 
entre os agentes. 
Segundo Gürer [GUR1998], o uso de agentes na concepção de sistemas educacionais 
traz algumas vantagens, tais como: reagir às ações do usuário, credibilidade, modelagem de 
sistemas colaborativos multi-usuário e modularidade, pelo fato de que cada agente é um 
módulo único e independente do outro ficando mais fácil adicionar outros agentes a estes 
sistemas . Para Giraffa [GIR1999] as vantagens são as seguintes: 
- conhecimento pode ser distribuído entre vários “tutores”, cada um com suas 
crenças, desejos, objetivos, emoções e planos de ação. Esta distribuição cria 
maiores oportunidades de variar técnicas pedagógicas; 
- o aprendiz interage com um tutor de forma mais flexível; 
- aprendiz pode passar conhecimentos ao tutor que serão repassados a outros 
aprendizes. 
Conforme Webber [WEB2001], as tecnologias baseadas na Web em conjunto com 
metodologias multiagentes formam uma nova tendência na modelagem e desenvolvimento de 
10 
ambientes de aprendizagem. A Educação baseada na Web tem sido extensivamente 
pesquisada, onde os benefícios de aprendizagem são grandes. Como por exemplo, alcance da 
informação sem condicionamento ao espaço físico, facilidade de atualizar o conteúdo, etc. 
Entretanto, as metodologias multiagentes tem surgido com uma alternativa para conceber 
aplicações de aprendizagem distribuída, devido ao conjunto de características inerentes ao 
conceito de SMA e as peculiaridades de uma sociedade de agentes. 
A principal razão para isto deve-se ao fato que esta tecnologia lida muito bem com 
aplicações criticas, tais como: distância, cooperação entre diferentes entidades e integração de 
diferentes componentes de software. 
Segundo Vassileva [VAS2001], no futuro, os ambientes da aprendizagem estarão 
acessíveis a qualquer lugar e a qualquer hora. Os estudantes desses ambientes estarão 
distribuídos no espaço e no tempo. Logo, trabalhos que utilizam arquiteturas multiagentes 
oferecem uma promissora abordagem para o projeto desses ambientes, desde que estes 
ambientes sejam distribuídos. Com a modularidade e a uniformidade dos agentes e com a 
padronização dos protocolos de interação, o nível de escalabilidade e interoperação podem ser 
alcançados, o que não pode ser conseguido tão facilmente com o uso de outras técnicas. As 
arquiteturas multiagentespermitem o constante crescimento e a heterogeneidade do ambiente 
de software. Atualmente, não há muitos ambientes distribuídos de aprendizagem baseados em 
arquiteturas multiagentes. Isto deve-se a vários fatores: 
- A complexidade em modelar e implementar STI e ambientes de ensino-
aprendizagem inteligentes. Sua arquitetura é mais complexa e a modelagem dos 
seus componentes e inter-relações é demorada, necessitando de uma grande 
quantidade de trabalho cooperativo em equipe interdisciplinar; 
- A tecnologia de agentes aplicada a tais ambientes pode ser considerada como um 
fato mais recente. Trabalhos mais significativos remontam aos últimos 5 anos de 
pesquisa. 
Os princípios dos sistemas multiagentes têm mostrado um potencial bastante adequados 
ao desenvolvimento de sistemas de ensino, devido ao fato de a natureza do problema de 
ensino-aprendizagem ser mais facilmente resolvido de forma cooperativa, [BIC1998]. Além 
disso, ambientes de ensino baseados em arquiteturas multiagentes possibilitam suportar o 
desenvolvimento de sistemas de forma mais robusta, mais rápida e com menores custos. 
11 
2.1 STI Multiagentes 
Segundo Wenger [WEN1987], STI são sistemas computacionais com modelos de 
conteúdo instrucionais que especificam o que ensinar e estratégias de ensino que especificam 
como ensinar. Murray [MUR1999], ressalta como um dos objetivos dos STI, é ser capaz 
de modelar complexos comportamentos de ensino, os quais devem se adaptar às 
necessidades do estudante, à situação de aprendizagem e ao assunto da instrução. Para 
Kearsley [KEA1987], os STIs fazem parte de um campo interdisciplinar envolvendo 
Ciência da Computação, Psicologia cognitiva e Educação. 
Apesar de haver diversas arquiteturas para STI, segundo [YAZ1987, SEL1988, 
VIC1990, OLI1994, GIR1999], há um consenso quanto aos componentes básicos que um 
STI apresenta: Módulo do Aluno, Módulo Tutor, Módulo de Domínio e Interface. A Figura 2, 
apresenta a arquitetura multipartida onde os módulos estão representados com suas inter-
relações e em seguida há uma pequena descrição dos módulos que compõe a arquitetura 
clássica de um STI: 
Módulo
Domínio
Interface
Módulo
Aluno
Módulo
Tutor
Aluno
 
Figura 2: Arquitetura clássica de um STI 
Módulo do Aluno: este módulo armazena informações específicas para cada estudante 
de forma individual. No mínimo, este módulo deve manter um histórico sobre como o 
estudante está trabalhando no material em questão. É interessante também manter registro 
sobre os erros do estudante, [THI1999]. Segundo [GIR2001], o módulo do aluno representa o 
conhecimento e as habilidades cognitivas do aluno em um dado momento. Contém uma 
representação do estado do conhecimento do aluno no momento qu interage com o STI. A 
partir desse modelo e do conteúdo representado na base do domínio, o sistema deve ser capaz 
de inferir a melhor estratégia de ação a ser utilizada para cada aluno. 
Módulo Tutorial: O módulo tutorial, ou módulo pedagógico oferece uma metodologia 
para o processo de aprendizado. Possui o conhecimento sobre as estratégias e táticas para 
selecioná-las em função das características do aluno. As entradas deste módulo são fornecidas 
pelo Módulo do Aluno. 
12 
Módulo de Domínio: O módulo de domínio armazena a informação que o tutor está 
ensinando. A modelagem do conhecimento a ser disponibilizado é de grande importância para 
o sucesso do sistema como um todo. Deve-se procurar uma representação do conhecimento 
que esteja preparada para o crescimento incremental do domínio. 
Interface: Intermedia a interação entre o tutor e o aluno. Segundo [THI1999], a 
complexidade para a implementação deste módulo é bastante variável, podendo ser desde 
simples janelas de diálogo até linguagem natural e reconhecimento de voz. Outra questão a ser 
considerada é a aplicação de realidade virtual para permitir uma imersão total do estudante no 
sistema. 
Nas seguintes seções, descreve-se, brevemente, alguns STI desenvolvidos com a 
utilização da tecnologia de agentes. Este levantamento tem como finalidade principal, fornecer 
elementos para uma análise a fim de identificar padrões utilizados no desenvolvimento destes 
sistemas. Maiores detalhes podem ser obtidos em [BOL2001, BOL2002a]. 
2.1.1 WHITE RABBIT 
White Rabbit [THI2000] é um sistema desenvolvido pelo Departamento de Informática 
e Pesquisa Operacional da Universidade de Montreal (Montreal – Canadá), este sistema tem 
como objetivo aumentar a cooperação entre um grupo de pessoas pela análise de suas 
conversações. Cada usuário é assistido por um agente inteligente o qual estabelece um perfil 
de seus interesses. Com o comportamento móvel e autônomo o agente pesquisa agente 
pessoais de outros usuários, a fim de encontrar aquele que tenham interesses comuns e então 
os colocam em contato. 
Um agente Mediador é usado para facilitar a comunicação entre os agentes pessoais e 
para realizar agrupamentos nos perfis que eles tenham recolhidos. Esta abordagem usa agentes 
inteligentes para descobrir os interesses particulares de um grupo de pessoas trabalhando em 
um domínio particular com a intenção de colocá-los em contato para aumentar o nível de 
cooperação. 
Os agente analisam a conversação entre os usuários através de um chat para construir 
para cada um deles, um perfil de seus interesses. A Figura 3 apresenta a arquitetura geral do 
sistema. 
13 
User 2User 1 User n
Base de
Conhecimento
Servidor de
Chat
Agentes
Endereço dos
Agentes
Base de
Perfis
Object Space Voyager
Kohonen
Map
Agente Mediador
 
 Figura 3: Arquitetura geral do sistema White Rabbit 
O perfil do usuário contém todas as informações relevantes sobre o interesse do usuário 
na escolha do domínio, o qual permitirá aos agentes encontrar similaridades e 
consequentemente realizar agrupamentos coerentes. O módulo de aprendizagem é 
responsável por modificar o perfil do usuário fazendo-o mais acurado e mais realista. 
O perfil do usuário é composto por um conjunto de informações ponderadas, isto é, 
cada um deles possui um peso associado ao contexto onde estão inseridos. Isto permite um 
ajuste mais personalizado e detalhado do aluno. 
Dois aspectos demonstram a mobilidade e autonomia dos agentes. Primeiro, a analise da 
discussão dos usuários pelos agentes pessoais. Depois de ter analisado e atualizado os perfis 
dos clientes, o agente vai para uma outra máquina conectada a rede e encontra outros agentes. 
A segunda importante evidência da mobilidade acontece quando o usuário pergunta para o 
segundo usuário quem é o membro do mesmo grupo, como determinado pelo agente 
mediador. Neste momento a requisição do agente do usuário (A) usará a sua autonomia para 
mover-se e encontrar o agente associado ao cliente (B). Então o agente (A) terá possibilidade 
de questionar mais sobre o agente (B). Se o agente )B) aceitar as requisições, então o agente 
(B) dará ao agente (A) as informações pessoais (nome real, e-mail, descrição do projeto, etc) 
Estas duas situações demonstram a força alcançada pela mobilidade e autonomia dos 
agentes, a qual permite considerável redução do número de mensagens transmitidas na rede, 
desta maneira o risco de sobrecarga na rede e falta de recursos são reduzidas. Mesmo quando 
o número de agentes pessoais é alto (o número de agente é igual ao número de usuários) 
14 
2.1.2 LeCS 
O LeCS (Learning from Case Studies) foi desenvolvido pelo Departamento de Computação 
e Estatística da Universidade Federal de Santa Catarina - UFSC (Santa Catarina – Brasil), em 
conjunto com a Universidade do Vale do Itajaí (Univali) e a Unidade de Aprendizagem 
Baseada em Computadorda Universidade de Lees (Leeds – UK), LeCS é um sistema 
inteligente de aprendizagem à distância, o qual, segundo [ROS2000], possui uma arquitetura 
baseada em um Sistema Federativo de agentes. 
 A Figura 4 descreve a arquitetura e a estrutura da comunicação usada, a qual estabelece 
que a comunicação não acontece diretamente entre os agentes, mas através de um Facilitador 
(Facilitator). O Facilitator é um programa especial (implementado como um agente) que guarda 
a informação sobre cada agente no sistema e é responsável pelo roteamento dessas 
mensagens, trabalhando como um broker. Há dois banco de dados implementados: o primeiro 
é o próprio Facilitator que armazena todas informações necessárias para rotear as mensagens, e 
o segundo é um mecanismo de logs que armazena todas as trocas de mensagens. 
 A arquitetura inclui três classes de agentes: Agente Interface, Agente de Informação e 
Agente Conselheiro. 
Facilitator
Information
Agent
Advising
Agent
Interface
Agent
(User 1)
Interface
Agent
(User 2)
Interface
Agent
(User n)
Logs
. . .
: KQML
 
Figura 4: Arquitetura do sistema LeCS 
Comunicação dos agentes está baseada na Agent Comunication Language (ACL) e as 
mensagens trocadas entre os agentes usam o formato da Knowledge Query and Manipulation 
Language (KQML). 
Segundo Rosatelli [ROS2000], o LeCS pode ser caracterizado como um sistema 
inteligente para o ensino a distância. LeCS dá suporte à aprendizagem colaborativa através da 
World Wide Web (WWW) usando o método de ensinar com estudos de casos (Case Based 
15 
Resoning - CBR). O cenário de aprendizado para o uso do sistema é um grupo de alunos que 
está geograficamente disperso, cursando uma disciplina (por exemplo engenharia, medicina, 
administração, etc.) de um curso a distância onde o método de aprender através de estudos de 
casos. O sistema inclui as ferramentas necessárias para desenvolver a solução para um 
determinado caso (a ser modelado pelo professor) e desempenha funções que dão apoio ao 
processo de aprendizado. 
2.1.3 LANCA 
No projeto LANCA [FRA1998], os autores procuram expor o porque do uso de 
agentes inteligente em STI e como podem ser adaptados para aprendizagem à distância. O 
projeto foi desenvolvido pelo grupo do Departamento de Informática e Pesquisa Operacional 
da Universidade de Montreal (Montreal – Canadá) e da Unidade de Informática da 
Universidade de Pau (Bayonne – França). 
LANCA apresenta as principais características dos agentes para um ambiente de 
aprendizagem à distância, bem como suas funções em ambientes distribuídos. Propõe, 
também uma arquitetura para o ambiente com a especificação dos papéis dos diferentes 
agentes inteligentes que compõem a sociedade. 
 A arquitetura proposta inclui quatro agentes cognitivos: pedagogical agent, dialog agent, 
negotiating agent e o moderator agent, Figura 5. 
INTERNET
Complementary
Explanations
Base
Dialog
Agent
Dialog
Agent
Dialog
Agent
Pedagocical
Agent
Pedagocical
Agent
Pedagocical
Agent
Learner LearnerLearner
ITS
process
ITS
process
ITS
process
...
Mediator
Negotiating
Agent
Negotiating
Agent
Negotiating
Agent
MarketWeb
Explanations
Base
 Courseware
S
Y
N
C
R
H
O
N
O
U
S
L
E
A
R
N
I
N
G
A
S
Y
N
C
R
H
O
N
O
U
S
L
E
A
R
N
I
N
G
 
Figura 5: Arquitetura do sistema LANCA 
16 
2.1.4 Baguera 
O projeto Baguera [WEB2001], foi desenvolvido pela Universidade de Grenoble 
(Grenoble – França), cujo objetivo é desenvolver uma fundamentação teórica e metodológica 
para guiar a concepção e modelagem de ambientes de aprendizagem. A plataforma Baguera 
está fundamentada no princípio que a função educacional do sistema está nas interações 
organizadas entre os componentes: agentes e humanos e, não meramente na funcionalidade de 
uma de suas partes. 
O primeiro resultado desse projeto inclui uma arquitetura multiagente baseada na Web 
para ambientes de aprendizagem e um protótipo para a aprendizagem de geometria. 
A plataforma Baguera foi desenvolvida usando JatLite3. Cada agente foi estendido por 
um módulo de interação que fornece suporte ao gerenciamento de protocolos entre os 
agentes. Os agentes possuem habilidade de comunicar-se com outros agentes, raciocinar e 
tomar decisões. A comunicação entre agentes está baseado na Teoria dos Atos de Fala , em 
adequação com o padrão FIPA-ACL4. 
A arquitetura multiagente da plataforma Baguera foi concebida pela metodologia AEIO 
(Agent, Environment, Interactions, Organisation), uma metodologia para a análise e projeto 
orientados a agentes proposta por Demazeau [DEM1995]. Como resultado desse processo, 
estudantes e professores interagem com diferentes agentes. Cada estudante é apoiado por três 
agentes artificiais, que são: Companion Student (Companheiro do Estudante), Tutor Agent (Tutor) 
e Mediator Agent (Agente Mediador). 
O protótipo do ambiente para a ensinar prova de uma determinada geometria está 
baseado na plataforma multiagente apresentada. Os usuários podem ter acesso ao ambiente de 
aprendizagem através de qualquer browser que suporta Applets Java, acessando a seguinte URL: 
http://www.baghera.imag.fr. 
2.1.5 I-Help 
O I-Help [VAS2001] foi desenvolvido pela Universidade de Saskatchewan – Canadá), 
este projeto descreve uma infra-estrutura multiagente para o I-Help, um ambiente de 
aprendizagem baseado na Web para auxiliar aprendizes na solução de problemas. O sistema 
contém uma variedade de recursos da aprendizagem, fóruns, materiais on-line, chat, etc. 
 
3 http://java.stanford.edu 
4 http://www.fipa.org 
17 
Para ilustrar a funcionalidade do I-Help imaginemos o seguinte cenário. Um estudante 
tem uma questão e este delega a tarefa de encontrar ajuda a seu agente pessoal. O agente 
pessoal tenta encontrar um outro agente (agente de aplicação ou um outro agente pessoal) que 
ofereça os recursos da informação relacionados ao pedido da ajuda. Podem ser também 
recursos humanos (representado no sistema por seus agentes pessoais), isto é, os estudantes 
que estão online e são capazes de ajudar a solucionar a questão. 
O sistema I-Help é baseado em uma arquitetura multiagente, consistindo em agentes 
pessoais (usuários e humanos) e em agentes de aplicação, Figura 5. Estes agentes usam uma 
ontologia e uma linguagem de comunicação comum. Cada agente controla recursos 
específicos do usuário (ou da aplicação) que ele representa, incluindo por exemplo, os 
conhecimentos do usuário sobre determinados conceitos, ou os materiais instrutivos que 
pertencem a uma aplicação. Os agentes usam seus recursos para conseguir os objetivos de 
seus usuários, seus próprios objetivos, e objetivos de outros agentes. Todos os agentes são 
autônomos. 
Cada agente possui um modelo de seu usuário e de outros agentes que ele encontrou e 
negociou. Os agentes comunicam-se com outros agente e com Agentes Matchmaker 
(combinadores) para procurar por recursos apropriados para seus usuários, dependendo do 
tópico da ajuda requisitada. Se um recurso eletrônico for encontrado (representado por 
agentes de aplicação), o agente pessoal apropria-se do recurso e apresenta-o ao usuário em um 
browser. A ajuda é arranjada (negociada) inteiramente pelos agentes pessoais, livrando o 
aprendiz da necessidade de negociar e pensar sobre o “custo” da ajuda. Desta maneira os 
agentes pessoais negociam a ajuda de seus usuários em um “mercado virtual de ajuda”. 
Arquiteturas multiagentes envolvem vários níveis de organização, incluindo negociação 
entre os agentes. Desta maneira, consegue-se um sistema distribuído, multi-usuário, 
multiaplicação,adaptável e auto-organizado que suporta alocação de recursos de ajuda (outros 
usuários, aplicações e informações). 
18 
 
Figura 6: Arquitetura do sistema I-Help 
2.1.6 The Explanation Agent 
O Explanantion Agent ou Agente de Explicações de [ZOU2000], desenvolvido pelo 
Departamento de Informática e Pesquisa Operacional da Universidade de Montreal (Montreal 
– Canadá), tem como objetivo principal prover respostas ou explicações sobre o conteúdo 
com maior qualidade, identificando problemas que possam ocorrer durante o processo de 
explicação ou resolução de problemas. Ele tem dois objetivos específicos: descobrir a fonte do 
mal entendimento do aprendiz através do modelo do estudante, e ajudar o projetista do curso 
a adaptar suas explicações de acordo com estas observações. É utilizado a teoria de Mapas 
Conceituais para estruturar as explicação em uma representação formal. Esta representação é 
usada pelo Agente Explicação para fazer suas deduções sobre conceitos mal entendidos pelo 
aprendiz. 
O termo Agentes Pedagógicos, é usado para referir-se a agentes criados para ajudar 
pessoas iniciantes no processo de aprendizagem, por meio da interação com o aprendiz. 
Agentes Pedagógicos exibem um conjunto de características: Eles podem adaptar suas 
interações à necessidades do aprendiz, e o estado corrente do ambiente. Eles podem colaborar 
com aprendizes e outros agentes e são capazes de providenciar um contínuo feedback ao 
aprendiz. E eles podem mostra-se como figuras vivas, introduzindo emoções e aspectos 
sociais em suas interações e ralações com o aprendiz. 
19 
A arquitetura do ambiente de aprendizagem é uma arquitetura cliente-servidor dividida 
em duas partes, como mostra a Figura 7. 
Ambiente de Aprendizagem
Editor do ambiente
• Cursos
• Exercícios
• Explicações
Editor de
Explicações
Projetista
do curso
Processo de
Recomendação
Modelo de domínio
Agente
Modelo do estudante
Servidor
Modelo do Estudante Agente Explicação
Módulo Diálogo: Curso e Ambiente de Exercícios
Interface do Aprendiz
Aprendiz
 
Figura 7: Arquitetura do ambiente Explanation Agent 
A arquitetura do agente é dividida em camadas. Uma de cognição, outra de explicação e 
outra de percepção, Figura 8. Cada uma sintetizando uma ou várias das características do 
agente. As características do agente são: reatividade, mobilidade, autonomia, aprendizagem, 
dedução e capacidade de compreensão. 
Aprendiz
Módulo de ExplicaçãoAnalisador
AçãoPercepção 1
4
32
C: Camada de Cognição
B: Camada de Explicação
A: Camada de Percepção
 
Figura 8: Arquitetura do Agente Explicação 
2.1.7 AME-A 
AME-A [DAM1997] é um ambiente multiagente de ensino-aprendizagem, no qual se 
propõe o estudo e o desenvolvimento de um sistema educacional interativo para o ensino à 
distância. A proposta é o ensino genérico e adaptável às características psico-pedagógicas do 
aprendiz. 
20 
As características principais do sistema são a aprendizagem estática e a aprendizagem 
dinâmica. A aprendizagem estática corresponde a primeira interação do aprendiz com o 
ambiente, onde um agente modela o aprendiz conforme suas características afetivas, 
motivação e nível de conhecimento. A aprendizagem dinâmica ocorre durante a interação, 
quando é validado o modelo de aluno e estratégias pedagógicas em vigor. 
Este ambiente utiliza a abordagem de sistemas multiagentes conforme mostra a Figura 
9. Cada agente trabalha concorrentemente, realizando suas tarefas e trocando mensagens entre 
si, com o intuito de que o aprendiz atinja uma aprendizagem efetiva. As características psico-
pedagógicas são relevantes para o ensino adaptado e viabilizam a apresentação do material 
instrucional de uma maneira individualizada. 
Agente Humano
Agente
Seleciona_Estratégia
Agente Aprendizagem_Não
Supervisionada
Promove_Interação
Agente Ferra-
mentas_Para_Professor
Agente
Modela_Aprendiz
Agente
Orienta_Aprendizagem
Agente
Analisa_Aprendizagem
Agente
Orienta_Avaliação
 
Figura 9: Arquitetura do ambiente AME-A 
Cada agente é responsável por suas tarefas e agem continuamente no ambiente, com a 
finalidade de cooperar para promover uma aprendizagem inteligente e adaptável às 
características dos aprendizes. 
A análise deste ambiente mostrou a possibilidade de utilização de múltiplas estratégias 
de ensino, selecionadas em função de parâmetros que o agente recebe de outros agentes. 
2.1.8 Eletrotutor 
O Eletrotutor III é a 3º versão do STI Eletrotutor proposto por Silveira [SIL1992], em 
sua dissertação de mestrado. Esta 3º versão foi desenvolvida no Instituto de Informática da 
Universidade Federal do Rio Grande do Sul (UFRGS), por [BIC1998]. O Eletrotutor III 
implementa um ambiente distribuído de ensino-aprendizagem inteligente (Intelligent Learning 
Environment - ILE) baseado em uma arquitetura multiagente, na qual os agentes possuem as 
21 
seguintes características: perceber dinamicamente as condições do ambiente; tomar decisões 
para afetar condições do ambiente; interpretar percepções, resolver problemas, extrair 
inferências e determinar ações. O ambiente Eletrotutor aborda o conteúdo constituído por 
alguns capítulos de Eletrodinâmica, um capítulo da Física que estuda alguns fenômenos da 
Eletricidade e aborda as relações entre algumas grandezas elétricas como Corrente Elétrica, 
Tensão, ou Diferença de Potencial, Resistência e Potência Elétrica. 
A sociedade de agentes é composta por sete agentes, onde cada um deles possui uma 
função específica e como objetivo principal tem-se o aprendizado do aluno. Neste ambiente é 
de vital importância a coordenação do comportamento dos agentes e da maneira pela qual eles 
compartilham seus conhecimentos, objetivos, habilidades e seus planos para, em conjunto, 
tomar as ações necessárias para solucionar um problema. Para que diferentes agentes 
autônomos possam cooperar mutuamente a fim de atingirem seus objetivos é necessário que a 
sociedade possua organização (arquitetura) e comunicação. A organização diz respeito à 
natureza e à função da sociedade e de seus elementos constituintes e a comunicação é o 
principal instrumento que os agentes utilizam para desenvolver a coordenação de suas ações. 
A fim de poder atuar sobre o ambiente, cada agente possui uma representação interna 
parcial do mundo que o rodeia. Para isso, empregou-se a metáfora de estados mentais para 
modelar a base de conhecimento que representa os estados do ambiente onde o agente está 
inserido. 
A sociedade de agentes proposta na terceira versão do Eletrotutor contém agentes 
autônomos que comunicam-se uns com outros, cada agente possui funções e objetivos 
dentro de sua especialidade. A Figura 10 representa a arquitetura elaborada neste trabalho. 
 
Figura 10: Arquitetura do ambiente Eletrotutor III 
22 
O ambiente de aprendizado inteligente proposto, seguindo a Figura 15 contém um 
agente responsável pela recuperação do conhecimento do domínio sobre cada ponto a ser 
apresentado ao aluno, agentes responsáveis pela tarefa de propor exercícios e avaliação de 
respostas, exemplos ao aluno e atividades extras. 
2.1.9 Um modelo computacional baseado na teoria de Vygotsky 
Este trabalho está sendo desenvolvido no programa de Pós-Graduação em Informática 
na Educação (PGIE) - UFRGS, Programa de Pós-Graduação em Computação (PPGC) - 
UFRGS e Faculdade de Informática (FACIN) - PUCRS. O trabalho propõe um framework para 
uso da Tecnologia da Informação na educação. Está baseado na teoria sócio-cultural 
interacionista de Vygotsky e é projetado como uma sociedade multiagente para suportar a 
aprendizagem a distância. 
Segundo [AND2000, AND2001], o objetivo destetrabalho é propor um ambiente que 
privilegie a colaboração como forma de interação social através do uso de linguagens, 
símbolos e sinais. Para suportar essa aprendizagem colaborativa existe uma sociedade formada 
de agentes artificiais: Agentes ZPD (Zone of Proximal Development), Agente Mediador, Agente 
Semiótico e Agente Social. 
Para suportar o modelo coletivo de aprendizagem a distância, foi utilizada a teoria de 
Vygotsky, como base da fundamentação teórica da proposta. Um importante conceito nesta 
teoria é que as atividades mentais são baseadas em relacionamentos sociais entre o indivíduo e 
o ambiente e este relacionamento é mediado por um sistema simbólico. 
Um outro conceito fundamental nesta teoria é a Zone of Proximal Development (ZPD) – 
Zona de Desenvolvimento Próximal. Onde o nível de desenvolvimento do aluno: o Level of 
Real Development (LRD) que refere-se as funções que o usuário já processou e o Level Potencial 
Development (LPD) que determina as funções que ele pode desenvolver. A Figura 11 apresenta 
a sociedade de agentes proposta por [AND2000, AND2001]. 
23 
Student
Model
Group Models
Social
Agent
Semiotic
Agent
ZPD
 Agent
Mediating
Agent
WWW
Exercises
Examples
Student
Student
Model
Mediating
Agent
Student
Student
Model
Mediating
Agent
Student
....
Student
ZPD
 Agent
ZPD
 Agent
Agent that represents
the student
Agent that represents
the student
Agent that represents
the student
 
Figura 11: Arquitetura do ambiente proposto por [AND2001] 
O modelo pedagógico desta pesquisa está baseado numa forma colaborativa de 
aprendizagem que é obtido através da interação social. As interações podem ser de vários 
tipos, considerando critérios tais como: temporalidade, número de participantes, 
reciprocidade, hierarquias. E, até critérios baseados em comportamentos: personalidade, 
motivação, estado emocional, etc. 
O sistema é composto por quatro tipos de agentes artificiais: o Agente ZPD, o Agente 
Mediador, o Agente Social e o Agente Semiótico, e por agentes humanos (Estudantes ou 
aprendizes). Maiores detalhes podem ser obtidos no capítulo 4, seção 4.1. 
2.2 Estudo comparativo sobre os ambientes selecionados 
O estudo comparativo dos ambientes identificados na seção anterior foram organizados 
em um quadro comparativo (Quadro 1) onde são destacados o conjunto de aspectos 
considerados relevantes para este estudo. Estes aspectos permitiram identificar o conjunto de 
requisitos utilizados pelos autores para modelar/implementar os ambientes inteligentes que 
utilizam a tecnologia de agentes. 
O preenchimento do quadro segue a seguinte convenção: cada célula possui uma 
descrição de como o STI atende este critério (por exemplo, "KQML" para o critério 
"Comunicação entre os agentes"). No caso do critério Atividades dos Agentes (Tipo, Nome e 
atividade) inserimos os símbolos: ? e/ou ?, para indicar o tipo de agente, de acordo com as 
características que apresentam em relação às atividades que desempenham no ambiente de 
24 
ensino-aprendizagem. O símbolo ? identifica que o agente em questão é do tipo Executor de 
Tarefas e o símbolo ? identifica que o agente é tipo Assistente. 
Utiliza-se o símbolo (?) para indicar, simplificadamente, a dúvida dos autores deste texto 
(autor e orientadora) com relação ao posicionamento do STI em relação à um determinado 
aspecto. E, também, pelo fato de não conseguirmos, a partir das informações disponíveis nos 
textos e/ou figuras obter conclusões mais efetivas. Em alguns casos coloca-se a interpretação 
a partir das informações disponíveis por julgar-se que o conjunto de indicadores permitia um 
alto grau de certeza. 
Os itens que foram considerados relevantes para compor o quadro comparativo são: 
- Objetivo: visa identificar o objetivo do ambiente; 
- Domínio: visa identificar o conteúdo a ser trabalhado no sistema; 
- Quantidade, nome e atividades dos agentes: visa identificar o número de agentes 
associados e respectivas atividades dentro da sociedade multiagente; 
- Comunicação: visa identificar se existe ou não um padrão utilizado para a 
comunicação entre os agentes; 
- Linguagem/Ferramenta de desenvolvimento: visa identificar o tipo de ambiente 
utilizado para implementar os ambientes; 
- Arquitetura SMA: visa identificar se os autores utilizaram ou explicitaram o tipo de 
arquitetura para a sociedade de agentes que está relacionada com a proposta do 
ambiente; 
- Estratégias de Ensino: visa identificar o tipo de estratégias de ensino utilizada 
para auxiliar a promover a aprendizagem do conteúdo (domínio) nos usuários dos 
ambientes; 
- Modelo do Aluno: visa identificar o tipo de modelo do aluno criado/desenvolvido 
a partir das interações do sistema com o usuário em função dos modelos 
encontrados na literatura de STI; 
- Interface Gráfica: visa identificar se o sistema utiliza ou não interfaces gráficas e o 
grau de adaptabilidade que oferece ao usuário; 
- Ferramentas auxiliares: visa identificar quais as ferramentas auxiliares mais 
utilizadas em ambientes de ensino-aprendizagem. 
 
 
 
 
 
W
hi
te
 R
ab
bi
t 
Le
CS
 
AM
E
-A
 
La
nc
a 
Ba
gu
er
a 
E
xp
la
na
tio
n 
Ag
en
t 
E
le
tro
tu
to
r 
I-
H
el
p 
M
od
el
o 
de
 V
yg
ot
sk
y 
 
O
bj
et
iv
o 
A
um
en
ta
r 
a 
co
op
er
aç
ão
 e
nt
re
 
um
 
gr
up
o 
de
 
pe
ss
oa
s 
pe
la 
an
áli
se
 d
e s
ua
s c
on
ve
rs
aç
õe
s. 
D
ar
 s
up
or
te
 à
 a
pr
en
di
za
ge
m
 
co
lab
or
at
iv
a 
at
ra
vé
s 
da
 
W
W
W
. 
Pr
op
õe
-s
e 
ao
 e
ns
in
o 
ge
né
ric
o 
e 
ad
ap
tá
ve
l 
às
 
ca
ra
ct
er
íst
ica
s 
ps
ico
-p
ed
ag
óg
ica
s d
o 
ap
re
nd
iz
 
Ex
po
r q
ue
 a
ge
nt
es
 in
te
lig
en
te
s 
em
 S
TI
 p
od
em
 s
er
 a
da
pt
ad
os
 
pa
ra
 ap
re
nd
iz
ag
em
 à
 d
ist
ân
cia
 
D
es
en
vo
lv
er
 
um
a 
fu
nd
am
en
ta
çã
o 
te
ór
ica
 
e 
m
et
od
ol
óg
ica
 
pa
ra
 
gu
iar
 
a 
co
nc
ep
çã
o 
e 
m
od
ela
ge
m
 d
e 
am
bi
en
te
s d
e a
pr
en
di
za
ge
m
. 
Pr
ov
er
 
re
sp
os
ta
s 
ou
 
ex
pl
ica
çõ
es
 s
ob
re
 o
 c
on
te
úd
o 
co
m
 
m
aio
r 
qu
ali
da
de
, 
id
en
tif
ica
nd
o 
pr
ob
lem
as
 q
ue
 
po
ss
am
 
oc
or
re
r 
du
ra
nt
e 
o 
pr
oc
es
so
 
de
 
ex
pl
ica
çã
o 
ou
 
re
so
lu
çã
o 
de
 p
ro
bl
em
as
. 
D
es
en
vo
lv
er
 u
m
 i
ns
tru
m
en
to
 
pa
ra
 
ve
rif
ica
r 
a 
ef
icá
cia
 d
o 
us
o 
de
 d
ife
re
nt
es
 a
bo
rd
ag
en
s 
de
 a
m
bi
en
te
s 
de
 e
ns
in
o 
po
r 
co
m
pu
ta
do
r n
a e
sc
ol
a 
A
ux
ili
ar
 e
stu
da
nt
es
 n
a 
so
lu
çã
o 
de
 p
ro
bl
em
as
 at
ra
vé
s d
a W
eb
 
Pr
op
or
 
um
 
am
bi
en
te
 
qu
e 
pr
iv
ile
gi
e 
a 
co
lab
or
aç
ão
 c
om
o 
fo
rm
a 
de
 
in
te
ra
çã
o 
so
cia
l 
at
ra
vé
s 
do
 u
so
 d
e 
lin
gu
ag
en
s, 
sím
bo
lo
s e
 si
na
is.
 
D
om
ín
io
 
In
de
pe
nd
en
te
 d
e d
om
ín
io
 
In
de
pe
nd
en
ted
e d
om
ín
io
 
In
de
pe
nd
en
te
 d
e d
om
ín
io
 
In
de
pe
nd
en
te
 d
e d
om
ín
io
 
In
de
pe
nd
en
te
 d
e d
om
ín
io
 
In
de
pe
nd
en
te
 d
e d
om
ín
io
 
Fí
sic
a (
El
et
ro
di
nâ
m
in
ca
) 
In
de
pe
nd
en
te
 d
e d
om
ín
io
 
In
de
pe
nd
en
te
 d
e d
om
ín
io
 
Q
ua
nt
id
ad
e 
de
 a
ge
nt
es
 
2 
3 
8 
4 
5 
1 
pa
ra
 ca
da
 u
su
ár
io
 d
o 
sis
te
m
a
7 
3 
5 
At
iv
id
ad
es
 d
os
 
ag
en
te
s 
(T
ip
o,
 n
om
e 
e 
at
iv
id
ad
e)
 
? 
A
ge
nt
e P
es
so
al:
 
re
sp
on
sá
ve
l p
or
 o
bt
er
 
in
fo
rm
aç
õe
s d
os
 al
un
os
; 
ge
re
nc
iar
 a 
in
te
rfa
ce
 g
rá
fic
a, 
et
c. 
? 
A
ge
nt
e 
M
ed
iad
or
: 
fa
cil
ita
 
a 
co
m
un
ica
çã
o 
en
tre
 
os
 
ag
en
te
s 
pe
ss
oa
is;
 g
er
en
cia
 o
 
pr
oc
es
so
 d
e 
clu
ste
rin
g 
pa
ra
 a
 
co
ns
tru
çã
o 
do
 
m
od
elo
 
do
 
alu
no
, e
tc
. 
? 
A
ge
nt
e 
In
te
rfa
ce
: 
ar
m
az
en
a 
as
 
in
fo
rm
aç
õe
s 
ob
tid
as
 p
ela
 i
nt
er
aç
ão
 c
om
 a
 
in
te
rfa
ce
 d
o 
am
bi
en
te
; r
ea
liz
a 
in
te
rv
en
çõ
es
 s
ob
re
 o
 te
m
po
 e
 
pa
rti
cip
aç
ão
, e
tc
. 
? 
A
ge
nt
e 
In
fo
rm
aç
ão
: 
lid
a 
co
m
 
o 
do
m
ín
io
 
e 
o 
co
nh
ec
im
en
to
 p
ed
ag
óg
ico
. 
? 
A
ge
nt
e 
Co
ns
elh
eir
o:
 
re
ali
za
 
in
te
rv
en
çõ
es
 
qu
an
do
 
um
 
m
al 
en
te
nd
im
en
to
 
do
 
alu
no
 é 
pe
rc
eb
id
o.
 
? 
A
ge
nt
e A
pr
en
di
za
ge
m
 
N
ão
_S
up
er
vi
sio
na
da
: g
er
en
cia
 
a a
pr
en
di
za
ge
m
 li
vr
e (
se
m
 
su
pe
rv
isã
o)
. 
? 
A
ge
nt
e 
Pr
om
ov
e 
In
te
ra
çã
o:
 
au
xi
lia
 
na
 
in
te
ra
çã
o 
do
 
pa
rti
cip
an
te
s 
(A
lu
no
 
e 
pr
of
es
so
re
s)
. 
? 
A
ge
nt
e 
Fe
rr
am
en
ta
s 
Pa
ra
 
Pr
of
es
so
r: 
or
ien
ta
r 
o 
pr
of
es
so
r 
e 
ar
m
az
en
ar
 
o 
m
at
er
ial
 
do
 
cu
rs
o.
 
? 
A
ge
nt
e 
M
od
ela
 
A
pr
ed
iz
: 
pe
rs
on
ali
za
 o
 e
ns
in
o 
co
nf
or
m
e 
o 
m
od
elo
 d
o 
alu
no
. 
? 
A
ge
nt
e 
Se
lec
io
na
 
Es
tra
té
gi
a: 
se
le
cio
na
 
a 
es
tra
té
gi
a 
ap
ro
pr
iad
a 
co
nf
or
m
e 
o 
pe
rfi
l d
o 
alu
no
. 
? 
A
ge
nt
e 
O
rie
nt
a 
A
pr
en
di
za
ge
m
: 
bu
sc
a 
e 
ap
re
se
nt
a 
o 
m
at
er
ial
 d
e 
en
sin
o.
 
?
A
ge
nt
e 
O
rie
nt
a 
A
va
lia
çã
o:
 
au
xi
lia
 
no
 
pr
oc
es
so
 
de
 
av
ali
aç
ão
. 
? 
A
ge
nt
e 
A
na
lis
a 
A
pr
en
di
za
ge
m
: 
an
ali
sa
 
e 
ve
rif
ica
 
a 
ap
re
nd
iz
ag
em
 
du
ra
nt
e a
 in
te
ra
çã
o.
 
? 
A
ge
nt
e 
Pe
da
gó
gi
co
: 
su
pe
rv
isi
on
ar
 a 
ap
re
nd
iz
ag
em
. 
? 
A
ge
nt
e 
D
iál
og
o:
 f
or
ne
ce
 
aju
da
 e 
ex
pl
ica
çã
o 
ao
 al
un
o.
 
? 
A
ge
nt
e 
N
eg
oc
iad
or
: 
ne
go
cia
 i
nf
or
m
aç
õe
s 
na
 W
eb
 
co
m
 o
ut
ro
s a
ge
nt
es
. 
? 
A
ge
nt
e 
M
od
er
ad
or
: a
va
lia
r 
e 
m
elh
or
ar
 a
 f
un
cio
na
lid
ad
e 
do
 si
ste
m
a. 
? 
A
ge
nt
e 
Co
m
pa
nh
eir
o 
do
 
Es
tu
da
nt
e: 
m
on
ito
ra
 a
s 
aç
õe
s 
do
 es
tu
da
nt
e, 
et
c. 
? 
A
ge
nt
e 
Tu
to
r: 
m
od
ela
 a
s 
aç
õe
s d
o 
alu
no
, e
tc
. 
?
A
ge
nt
e 
M
ed
iad
or
: 
in
te
rm
ed
ia 
as
 
so
lu
çõ
es
 
do
 
alu
no
 c
om
 u
m
 S
ol
uc
io
na
do
r 
ap
ro
pr
iad
o,
 et
c. 
? 
A
ge
nt
e 
Co
m
pa
nh
eir
o 
do
 
Pr
of
es
so
r: 
in
te
rfa
ce
 
do
 
sis
te
m
a 
co
m
 
o 
pr
of
es
so
r, 
au
xi
lia
 o
 p
ro
fe
ss
or
 s
ob
re
 o
 
pr
oc
es
so
 
de
 
ap
re
nd
iz
ag
em
, 
et
c. ? 
A
ge
nt
e 
A
ss
ist
en
te
: a
ge
nt
e 
pe
ss
oa
l 
do
 p
ro
fe
ss
or
, 
au
xi
lia
 
na
 
di
str
ib
ui
çã
o 
de
 
no
va
s 
at
iv
id
ad
es
, e
tc
. 
 
? 
? 
A
ge
nt
e 
Ex
pl
ica
çã
o:
 
ap
re
se
nt
a 
ex
pl
ica
çõ
es
 
ad
ap
ta
da
s 
ao
 
m
od
elo
 
do
 
ap
re
nd
iz
. 
? 
A
ge
nt
e 
G
er
en
cia
do
r 
D
om
ín
io
: 
re
cu
pe
ra
 
in
fo
rm
aç
õe
s 
re
fe
re
nt
es
 
ao
 
do
m
ín
io
, e
tc
. 
? 
A
ge
nt
e 
G
er
en
cia
do
r 
de
 
Ex
er
cíc
io
: p
ro
põ
e 
ex
er
cíc
io
s 
e 
av
ali
a r
es
po
sta
s. 
? 
A
ge
nt
e 
G
er
en
cia
do
r 
de
 
Ex
em
pl
o:
 a
pr
es
en
ta
 e
xe
m
pl
os
 
ao
 al
un
o.
 
? 
A
ge
nt
e 
G
er
en
cia
do
r 
de
 
A
tiv
id
ad
es
: 
pr
op
õe
 a
tiv
id
ad
es
 
ex
tra
s a
o 
alu
no
. 
? 
A
ge
nt
e 
G
er
en
cia
do
r 
do
 
M
od
elo
 d
o 
A
lu
no
: c
on
str
ói
 e
 
m
an
té
m
 o
 m
od
elo
 d
o 
es
ta
do
 
co
gn
iti
vo
 d
o 
alu
no
. 
? 
A
ge
nt
e 
In
te
rfa
ce
: c
on
tro
la
 
a i
nt
er
fa
ce
 d
o 
am
bi
en
te
. 
? 
A
ge
nt
e 
G
er
en
cia
do
r 
de
 
Co
m
un
ica
çã
o:
 
ge
re
nc
ia 
a 
in
te
rfa
ce
 d
o 
am
bi
en
te
 c
om
 o
s 
de
m
ais
 ag
en
te
s. 
? 
? 
A
ge
nt
e 
Pe
ss
oa
l: 
co
nt
ro
la 
re
cu
rs
os
 e
sp
ec
ífi
co
s 
do
s 
us
uá
rio
s 
(a
lu
no
s 
ou
 
pr
of
es
so
re
s) 
? 
? 
A
ge
nt
e 
de
 A
pl
ica
çã
o:
 
co
nt
ro
la 
re
cu
rs
os
 e
sp
ec
ífi
co
s 
da
s a
pl
ica
çõ
es
. 
 
? 
A
ge
nt
e 
ZP
D
: r
es
po
ns
áv
el
 
po
r 
ob
se
rv
ar
 
o 
de
se
nv
ol
vi
m
en
to
 
e 
pr
op
or
 
at
iv
id
ad
es
. 
? 
A
ge
nt
e 
M
ed
iad
or
: 
é 
re
sp
on
sá
ve
l 
pe
la 
in
te
rfa
ce
 
en
tre
 o
 si
ste
m
a e
 o
 e
stu
da
nt
e. 
? 
A
ge
nt
e 
So
cia
l: 
es
ta
be
lec
e 
a 
in
te
gr
aç
ão
 
da
 
so
cie
da
de
 
e 
co
ns
tró
i 
m
od
elo
s 
de
 g
ru
po
s 
de
 es
tu
da
nt