Baixe o app para aproveitar ainda mais
Prévia do material em texto
FUNDAÇÃO EDSON QUEIROZ UNIVERSIDADE DE FORTALEZA – UNIFOR José Eurico de Vasconcelos Filho GEOSIMULAÇÃO TUTORADA: UM ESTUDO DE CASO NA SEGURANÇA PÚBLICA Fortaleza - CE 2005 FUNDAÇÃO EDSON QUEIROZ UNIVERSIDADE DE FORTALEZA – UNIFOR José Eurico de Vasconcelos Filho GEOSIMULAÇÃO TUTORADA: UM ESTUDO DE CASO NA SEGURANÇA PÚBLICA Dissertação submetida ao corpo docente do curso de Mestrado em Informática Aplicada da Universidade de Fortaleza como parte dos requisitos necessários para a obtenção do título de Mestre em Informática Aplicada. Orientador: Prof. D.Sc. João José Vasco Peixoto Furtado Fortaleza - CE 2005 José Eurico de Vasconcelos Filho GEOSIMULAÇÃO TUTORADA: UM ESTUDO DE CASO NA SEGURANÇA PÚBLICA Data de Aprovação: _________________ Banca Examinadora: _________________________________ Prof. D.Sc. João José Vasco Furtado (Presidente da Banca – Universidade de Fortaleza) ______________________________________ Profa. Dra. Rosa Maria Vicari (Membro – Universidade Federal do Rio Grande do Sul) ______________________________________ Prof. D.Sc. Fernando Antonio de Carvalho Gomes (Membro – Universidade Federal do Ceará) Vasconcelos Filho, José Eurico de. Geosimulação Tutorada: um Estudo de Caso na Segurança Pública. Fortaleza. Universidade de Fortaleza (UNIFOR). Dissertação de Mestrado. 2006. xiii, 120p.: 29,7cm (MIA/UNIFOR, M.Sc. Informática Aplicada) 1. Sistemas Multiagente 2. Simulação 3. Sistemas Tutores Inteligentes I.MIA/UNIFOR II. TÍTULO(série) iv A meu Senhor, aos meus pais e à minha esposa. v AGRADECIMENTOS O incentivo de seguir vem de todo e qualquer lugar, de toda e qualquer pessoa. O que vemos e ouvimos é mera questão de interpretação, nós fazemos a realidade e a tornamos inimiga ou amiga. Apenas nós temos esse poder que nos foi dado por Deus. Por este motivo, agradeço principalmente aos descrentes, pois sua descrença me motiva a continuar nos momentos difíceis, agradeço aos que acreditam, pois abrandam meu caminho e minhas decisões, e agradeço também aos que nem entendem, pois me fazem querer ser diferente. Temos um papel a cumprir, sementes a espalhar, e temos o poder de escolher se queremos ou não semear, em se querendo, semearemos apenas ervas daninhas ou árvores frutíferas. Só não podemos esquecer que conviveremos com o fruto de nossas decisões. Dos que acreditaram, agradeço especialmente: A meus pais que cumpriram com sobras seus papéis de pais amorosos e educadores. A minhas irmãs que me ensinaram que a vida é mudança e a minha namorada, noiva e esposa que durante todo este trajeto foi um baluarte nesta empreitada. Ao meu orientador Vasco Furtado, que é, sem dúvida alguma, merecedor deste adjetivo e papel em todos os seus sentidos, e que se em algum momento não acreditou verdadeiramente, mentiu tão bem que me fez acreditar. A toda a equipe que compõe a célula de engenharia do conhecimento, em especial a equipe ExpertCop, a quem devo muito do que aqui está descrito. A Fundação Cearense de Apoio ao Desenvolvimento Científico e Tecnológico – FUNCAP, que concedeu o suporte financeiro. E antes de todos, ao Senhor, de quem provém toda a força que me move e motiva. vi Resumo da dissertação apresentada ao MIA/UNIFOR como parte dos requisitos para a obtenção do grau de mestre em Informática Aplicada (M.Sc.). GEOSIMULAÇÃO TUTORADA: UM ESTUDO DE CASO NA SEGURANÇA PÚBLICA José Eurico de Vasconcelos Filho Dezembro / 2005 Orientador: D.Sc. João José Vasco Peixoto Furtado Programa: Informática Aplicada A compreensão das atividades e fenômenos urbanos é de suma importância para a sociedade como um todo, em especial para os órgãos responsáveis pela gestão pública. Estas atividades são caracterizadas por sua complexidade e conseqüente dificuldade de estudo e treinamento. Torna-se necessário o desenvolvimento de ferramentas que viabilizem o estudo/ treinamento destas atividades de modo a possibilitar sua compreensão. Neste trabalho, propõe-se uma arquitetura para a construção de ferramentas voltadas ao estudo e treinamento de atividades urbanas: a arquitetura para Sistemas Geosimuladores Tutores Inteligentes – SGTI. SGTI contempla um geosimulador multiagente apoiado por um tutor inteligente para dar suporte ao usuário na compreensão do modelo estudado. De forma a avaliar a proposta de SGTI e oferecer uma ferramenta para o setor de segurança pública, desenvolveu-se um sistema de treinamento, tendo como foco a problemática atual da criminalidade urbana, o sistema ExpertCop. ExpertCop foi desenvolvido com o objetivo de auxiliar os oficiais da polícia no treinamento da atividade urbana de alocação de recursos. O sistema implementa as propostas de SGTI, utilizando a geosimulação do processo estudado em um conjunto de passos estruturados, sob a forma de jogo, de modo a colaborar e motivar o aprendizado do aluno, e um agente tutor oferecendo suporte ao aluno na compreensão do modelo proposto. O suporte é oferecido por meio de explicações do comportamento emergente da simulação (macro-nível) e explicações individuais dos eventos simulados (micro-nível). A avaliação do sistema foi feita aplicando-o em um curso para oficiais de polícia, onde os resultados obtidos mostram a eficácia da proposta. Palavras – chave: Geosimulação. Sistemas Multiagente. Tutores Inteligentes. Segurança Pública. vii Abstract of the dissertation presented to MIA/UNIFOR as partial fulfillment of the requirements for the degree of Master of Applied Information Science (M.Sc.). TUTORED GEOSIMULATION: A CASE STUDY ON PUBLIC SAFETY José Eurico de Vasconcelos Filho December / 2005 Advisor: João José Vasco Peixoto Furtado, D.Sc. Program: Applied Information Science The comprehension of urban activities and phenomena is of the utmost importance for society as a whole, in particular for those agencies responsible for public administration. Such activities are characterized by their complexity and therefore their difficulty in terms of study and training. Tools must be developed in order to make studying/training for these activities feasible, in a way as to provide the means for such comprehension. In this paper, an architecture is proposed for the construction of tools geared toward study and training in urban activities: the architecture for Intelligent Tutorial Geosimulator Systems, or ITGS. ITGS contemplate a multi-agent geosimulator supported by an intelligent tutor to help the user to better understand the model studied. In order to evaluate the proposal of ITGS and to offer a tool for the public safety sector, a training system was developed—the ExpertCop system—focused on the current problem of urban crime. ExpertCop was developed with the aim of assisting the training of police officers in the urban activity of police resources allocation. The system implements the proposals of ITGS by using geosimulation of the process studied through a set of structured steps, in the form of a computer game, in order to enhance and motivate the student’s learning process, as well as a tutorial agent offering support to the student in understanding the model proposed. Support is offered by means of explanations of the simulation’s emergent behavior (macro-level) and the individual explanations of the simulated events (micro-level). The system was evaluated by applying it during a course for police officers, whereby the results obtained demonstrated the effectiveness of the proposal. Keywords: Geosimulation. Multi-agent Systems. Intelligent Tutors. Public Safety. viii LISTA DEFIGURAS FIGURA 1: PROJETO DE SMA (SICHMAN ET AL, 2002). ...........................................22 FIGURA 2: EXEMPLO DE SUPERPOSIÇÃO DE CAMADAS (WWW.GIS.COM/WHATISGIS/). .....24 FIGURA 3: IMAGEM 2D GERADA A PARTIR DE UM SIG..................................................25 FIGURA 4: ARQUITETURA DE UM STI (GIRAFFA; BOLZAN, 2002). ...........................27 FIGURA 5: PASSOS SEGUNDO KOLB PARA O FAVORECIMENTO DO APRENDIZADO. ..........31 FIGURA 6: PROCESSO DE DESCOBERTA DE CONHECIMENTO (FAYYAD ET AL, 1996). ...34 FIGURA 7: DIVISÃO DE UM CONCEITO GENÉRICO EM CONCEITOS MAIS ESPECÍFICOS.......37 FIGURA 8: CENÁRIO 3D PROVENIENTE DO SIMULADOR SECUREVI. ...........................43 FIGURA 9: INTERFACE DO SISTEMA BC2010. .............................................................44 FIGURA 10: INTERAÇÃO ENTRE USUÁRIO, BC2010 E STI. ..........................................45 FIGURA 11: SUCESSIVOS EXEMPLOS DE POSICIONAMENTO E ADEQUAÇÃO DE PAPÉIS. ...46 FIGURA 12: INTERFACE DO SISTEMA SMAP...............................................................48 FIGURA 13: ARQUITETURA DO SISTEMA DEFACTO. ..................................................50 FIGURA 14: LOGVIEWER OU DICE, AMBIENTE GRÁFICO..............................................51 FIGURA 15: INTERFACE DO SISTEMA PRIME CLIMB......................................................53 FIGURA 16: PROCESSO DE TREINAMENTO, ARMAZENAMENTO, ANÁLISE E ADAPTAÇÃO EM UM SISTEMA TUTOR...........................................................................................55 FIGURA 17: ARQUITETURA SGTI. .............................................................................61 FIGURA 18: PASSOS PARA UM MELHOR PROCESSO DE APRENDIZADO...........................66 FIGURA 19: EVOLUÇÃO DAS INTERFACES DE EXPERTCOP...........................................71 FIGURA 22: MOVIMENTAÇÃO DE UMA EQUIPE POLICIAL NO MAPA.................................78 FIGURA 23: NÍVEIS DE PERCEPÇÃO DO CRIMINOSO......................................................81 FIGURA 24: ARQUITETURA INTERNA DO AGENTE CRIMINOSO........................................83 FIGURA 25: SELEÇÃO DOS DADOS PARA CÁLCULO DOS TOTAIS DE EVENTO PARA UM DADO PERÍODO. .........................................................................................................87 FIGURA 26: ASSOCIAÇÃO ENTRE CARACTERÍSTICAS DA ÁREA E TIPOS DE EVENTOS. ......88 FIGURA 27: PROCESSO PARA EXPLICAÇÕES EM MICRO-NÍVEL......................................91 FIGURA 28: EXPLICAÇÕES ADAPTATIVAS EM MICRO-NÍVEL...........................................92 FIGURA 29: PROCESSO DE EXPLICAÇÃO EM MACRO-NÍVEL POR MEIO DE DICAS. ............93 FIGURA 31: INTERFACE DE ALOCAÇÃO DE RECURSOS. ................................................96 FIGURA 32: INTERFACE DE ANÁLISE DOS RESULTADOS................................................96 FIGURA 33: FLUXO PARA A UTILIZAÇÃO DE EXPERTCOP..............................................97 FIGURA 34: ARQUITETURA TECNOLÓGICA DE EXPERTCOP..........................................98 FIGURA 35: FERRAMENTA PROTÉGÉ EXIBINDO ONTOLOGIAS E REGRAS DO DOMÍNIO DE EXPERTCOP. .................................................................................................100 ix FIGURA 36: MÉDIAS DE RESULTADOS ANTES E DEPOIS DA UTILIZAÇÃO DO APOIO PEDAGÓGICO DO SISTEMA. ..............................................................................104 x LISTA DE TABELAS, GRÁFICOS E ALGORITMOS TABELA 1: RESUMO DA ANÁLISE DOS SISTEMAS DE ACORDO COM UM CONJUNTO DE CARACTERÍSTICAS. ...........................................................................................57 TABELA 2: RISCO POR TIPO DE CRIME E ALVO.............................................................80 TABELA 3: RELAÇÃO ENTRE VITIMA E VALOR DO ESPÓLIO. ...........................................82 TABELA 4: RELAÇÃO ENTRE OS TIPOS DE CRIME E OS PERCENTUAIS PARA....................86 TABELA 5: RELAÇÃO ENTRE MÉDIAS DE ACESSOS A CADA TIPO DE AUXÍLIO E MÉDIAS DE RESULTADOS OBTIDOS (ABAIXO E ACIMA DA MÉDIA GERAL). ................................104 GRÁFICO 1: AVALIAÇÃO DA SEGUNDA COLETA DE CRENÇAS. .....................................102 GRÁFICO 2: GRÁFICO DE DISPERSÃO RELACIONANDO NÚMERO DE ACESSOS A AUXÍLIOS E MÉDIA DE RESULTADOS. ..................................................................................103 ALGORITMO 1: ALGORITMO, EM PORTUGUÊS ESTRUTURADO, DEMONSTRANDO O FUNCIONAMENTO DO PATRULHAMENTO DAS EQUIPES POLICIAIS. ...........................78 xi SUMÁRIO 1 INTRODUÇÃO...................................................................................................15 1.1 MOTIVAÇÃO ...............................................................................................15 1.2 PROBLEMA.................................................................................................16 1.3 PROPOSTA E OBJETIVO...........................................................................18 1.4 ESTRUTURA DO TRABALHO ....................................................................19 2 CONCEITOS BÁSICOS.....................................................................................21 2.1 INTRODUÇÃO.............................................................................................21 2.2 SISTEMAS MULTIAGENTE ........................................................................21 2.2.1 Simulação multiagente..........................................................................22 2.3 SISTEMAS DE INFORMAÇÃO GEOGRÁFICA...........................................23 2.3.1 Sistemas de Informação Geográfica e Simulação Multiagente.............25 2.4 SISTEMAS TUTORES INTELIGENTES......................................................26 2.4.1 Módulo do Domínio ...............................................................................27 2.4.2 Módulo do Aluno ...................................................................................28 2.4.3 Módulo Tutor .........................................................................................28 2.4.4 Interface ................................................................................................29 2.4.5 Agentes e STI .......................................................................................29 2.4.6 STI, simuladores e jogos educativos.....................................................30 2.5 DESCOBERTA DE CONHECIMENTO EM BASE DE DADOS ...................33 2.5.1 Mineração de dados..............................................................................34 2.5.2 Algoritmos de Agrupamento (clustering) ...............................................35 2.5.3 Mineração de Dados Aplicada a STI e Simulação ................................37 2.6 EXPLICAÇÃO EM SISTEMAS BASEADOS EM CONHECIMENTO...........38 2.7 CONCLUSÃO..............................................................................................39 3 TRABALHOS CORRELATOS...........................................................................40 3.1 INTRODUÇÃO.............................................................................................40 3.2 REVISÃO BIBLIOGRÁFICA ........................................................................40 3.2.1 Simuladores para Treinamento .............................................................41 3.2.2 Jogos Educativos e Tutores..................................................................52 3.2.3 Outras Propostas e Sistemas................................................................55 3.3 ANÁLISE .....................................................................................................56 3.3.1 Quadros Analíticos................................................................................56 13 4. A ARQUITETURA DE SISTEMAS GEOSIMULADORES TUTORES INTELIGENTES ....................................................................................................60 4.1GEOSIMULAÇÃO TUTORADA...................................................................60 4.1.1 Interface Usuário...................................................................................61 4.1.2 Sistema de Informações Geográficas (SIG).........................................61 4.1.3 Base de Dados do Sistema...................................................................62 4.1.4 Plataforma Multiagente .........................................................................62 4.1.5 Proposta Pedagógica em SGTI.............................................................65 4.1.6 Modelagem do domínio em SGTI .........................................................67 5. O SISTEMA EXPERTCOP ...............................................................................68 5.1 INTRODUÇÃO.............................................................................................68 5.2 MOTIVAÇÃO ...............................................................................................68 5.3 OBJETIVOS DA APLICAÇÃO .....................................................................69 5.4 A PROPOSTA DE EXPERTCOP ................................................................70 5.5 A ARQUITETURA DE EXPERTCOP...........................................................70 5.5.1 Interface Usuário...................................................................................70 5.5.2 Sistema de Informações Geográficas (SIG)..........................................71 5.5.3 Base de Dados do Sistema...................................................................71 5.5.4 A Plataforma Multiagente em ExpertCop ..............................................72 5.6 PROPOSTA PEDAGÓGICA DE EXPERTCOP...........................................89 5.6.1 Simulação pedagógica participativa......................................................89 5.6.2 O Agente Pedagógico ...........................................................................90 5.7 FUNCIONAMENTO DE EXPERTCOP ........................................................95 5.8 ABORDAGEM TECNOLÓGICA EM EXPERTCOP.....................................98 5.9 AVALIAÇÃO DE EXPERTCOP .................................................................100 5.9.1 Metodologia.........................................................................................101 5.9.2 Análises e Resultados.........................................................................102 CONCLUSÃO .....................................................................................................107 CONSIDERAÇÕES FINAIS E CONCLUSÃO..................................................107 CONTRIBUIÇÕES...........................................................................................108 Contribuição Social ......................................................................................108 Contribuição Técnica ...................................................................................108 Contribuição Acadêmica ..............................................................................108 TRABALHOS FUTUROS.................................................................................109 REFERÊNCIAS BIBLIOGRÁFICAS...................................................................111 APÊNDICE..........................................................................................................118 APÊNDICE A – FOLHAS DE LEVANTAMENTO APLICADAS NO TREINAMENTO COM EXPERTCOP ......................................................................................................119 14 APÊNDICE B – CASOS DE USO DO SISTEMA EXPERTCOP...................................122 APÊNDICE C – EXEMPLO DA UTILIZAÇÃO DE EXPERTCOP ..................................125 APÊNDICE D – EXEMPLO DE UTILIZAÇÃO DO APOIO PEDAGÓGICO EM MICRO-NÍVEL DE EXPERTCOP. .....................................................................................................129 15 1 INTRODUÇÃO 1.1 MOTIVAÇÃO Atividades ou eventos urbanos são processos dinâmicos que envolvem, em geral, um número elevado de entidades heterogêneas (pessoas, ambiente e recursos) que se relacionam temporal e geograficamente. Estas características as definem como atividades complexas e tornam difícil o estudo, análise e, conseqüentemente, a compreensão destas atividades (FOREST, 1990). As dificuldades quanto ao estudo prático, inerentes às atividades urbanas, tornam-se um problema, já que a compreensão destas atividades é de suma importância, pois a gerência de setores como economia, recursos naturais, urbanismo, saúde e segurança pública, é fortemente dependente da compreensão das relações, processos e efeitos destas atividades (BILLARI; PRSKAWETZ, 2003), (GILBERT; CONTE, 1995), (KHUWAJA et al, 1996). O paradigma de Sistemas Multiagente - SMA tem sido adotado na modelagem de atividades e sistemas ditos complexos (KHUWAJA et al, 1996) (GILBERT; CONTE, 1995). Essa aplicabilidade se deve à capacidade dos sistemas multiagente de representarem individualmente o comportamento das diferentes entidades que compõem um domínio, por meio da abstração de agentes de software. Em especial, a área de simulação multiagente agrega os SMA à simulação computacional (SICHMAN et al, 2002), (FERBER, 1999), possibilitando não só a modelagem das entidades e de seus comportamentos, mas também a representação das entidades dentro da dinâmica de suas relações, permitindo assim o estudo do comportamento dos sistemas complexos temporalmente. O processo de simulação, em especial a simulação multiagente, é um artifício adotado para o estudo de domínios e atividades de difícil estudo prático. São construídos modelos da realidade a ser estudada, tornando 16 possível testar, mensurar, avaliar, prever, treinar atividades ou fenômenos por meio do processo de simulação computacional. Na área educacional em especial, a simulação computacional vem sendo adotada com sucesso como ferramenta de ensino, dentre outros motivos, por possibilitar ao aluno “aprender fazendo” (PIAGET, 1976). Simular possibilita o estudo de atividades e fenômenos sem os possíveis custos, riscos ou danos que essas atividades poderiam trazer ao ambiente real, além de permitir a simulação de longos períodos em escala reduzida de tempo. Desastres naturais e urbanos, migração de pessoas, atentados terroristas, crescimento urbano, criminalidade e epidemias são exemplos de fenômenos e atividades que têm seu estudo prático ou in-loco impraticáveis. Sua impraticabilidade se deve ao fato de envolverem altos custos ou riscos, causarem danos ao ambiente, se desenvolverem em períodos extensos, serem geograficamente dispersos ou por ocorrerem de forma inesperada. Outro aspecto relevante, referente às atividades ou eventos urbanos está na influência que o ambiente físico exerce nas relações e processos destas atividades. Esta influência torna necessária a manipulação e representação detalhada das características deste ambiente físico, sendo, por este motivo, comum a utilização de Sistemas de Informações Geográficas (SIG) como ferramenta de representação e manipulação dos ambientes geográficos que compõem estes sistemas (WU, 2000, 2002, 2003). A agregação de sistemas de informação geográfica e simulação multiagente para o estudo de fenômenos e atividades em ambientes urbanos caracterizam o que Benenson e Torrens chamaram de geosimulação (BENENSON;TORRENS, 2004). 1.2 PROBLEMA Modelar, representar e simular as atividades urbanas por meio de geosimuladores permite o estudo e análise destas atividades, mas não garante que elas serão compreendidas pelo usuário apenas pelo processo de geosimulação. A complexidade das relações entre as entidades que compõem 17 estas atividades e o comportamento global que emerge destas relações tornam difícil a compreensão do processo de simulação e conseqüentemente deseus resultados. Este problema é particularmente relevante em se tratando do uso de simulação para fins educacionais, onde o objetivo da simulação ou geosimulação é unicamente pedagógico. Torna-se necessário que haja algum tipo de suporte que auxilie o usuário na compreensão da simulação, tanto no nível do comportamento individual das entidades que compõem o modelo (micro), como no nível do comportamento emergente do sistema gerado a partir das interações entre as entidades e o ambiente (macro). Realizou-se pesquisa bibliográfica na área de simuladores computacionais para fins educacionais e de treinamento, jogos e sistemas tutores com o objetivo de identificar propostas e ferramentas de suporte oferecidas ao usuário para a compreensão do objeto simulado. Observou-se que apesar de haver propostas de novos modelos, desenvolvimento de camadas pedagógicas e a utilização de Sistemas Tutores Inteligentes (STI), dando apoio a simuladores (MANN; BATTEN, 2002) (GIBBONS et al, 2001) (BENENSON; TORRENS, 2004) (DRAMAN, 1991), há carência de estratégias de apoio pedagógico ao usuário que sejam mais efetivas e específicas. Principalmente no que diz respeito à interação do usuário com o sistema e na compreensão da dinâmica do processo de simulação ou geosimulação como um todo, abordando seus níveis macro e micro. A pesquisa possibilitou a identificação das premissas que nortearam esta proposta. São elas: A aplicação do “aprender fazendo“ como método de estudo de atividades práticas; No caso das atividades urbanas que envolvem em geral riscos, custos ou longos períodos de estudo, a simulação computacional torna-se boa estratégia para aplicação do “aprender fazendo”; A importância de motivar o aluno na utilização de ferramentas de ensino; A necessidade de dar suporte ao aluno na compreensão do modelo de simulação proposto para o domínio; A importância de uma representação e manipulação adequada do 18 modelo como um todo, especialmente das características do ambiente físico do domínio estudado; 1.3 PROPOSTA E OBJETIVO Este trabalho define uma arquitetura para Sistemas Geosimuladores Tutores Inteligentes - SGTI. SGTI é uma proposta de especialização dos sistemas tutores inteligentes para o desenvolvimento de sistemas educacionais voltados para o estudo de atividades urbanas. O objetivo principal da proposta é oferecer uma estrutura pedagógica voltada para dar suporte ao usuário na compreensão do modelo proposto. Este suporte é oferecido agregando à estrutura de geosimulação um agente tutor (Agente Pedagógico) dotado de estratégias de apoio pedagógico ao aluno e um agente gerador de eventos que torna o processo de simulação dinâmico e voltado para as necessidades do aluno. De forma a avaliar a proposta de SGTI e oferecer uma ferramenta para o setor de segurança pública, desenvolveu-se um sistema de treinamento, tendo como foco a problemática atual da criminalidade urbana. O sistema ExpertCop foi desenvolvido a partir da proposta de SGTI, tendo como objetivo auxiliar os oficiais da polícia no treinamento da atividade urbana de alocação de recursos. O sistema implementa as propostas pedagógicas descritas em SGTI, utilizando: A Simulação multiagente do processo estudado, permitindo ao estudante “aprender fazendo”, evitando riscos, custos ou longos períodos de estudo que são comuns às atividades e fenômenos urbanos; Um conjunto de passos, a partir dos quais o processo de simulação se desenvolve, colaborando com o aprendizado do aluno (KOLB, 1984); A estrutura de jogos como estratégia de motivação e desafio ao estudante; Disponibilizando ferramentas que permitam ao estudante uma análise estatística dos resultados provenientes do processo de simulação; Utilizando um Sistema de Informações Geográficas - SIG na 19 representação e manipulação do ambiente físico do modelo proposto; E de forma inovadora, um agente tutor dando apoio ao aluno na compreensão do modelo proposto por meio de explicações: em macro- nível; explicando o comportamento emergente da simulação por meio do processo de mineração dos resultados simulados, e em micro-nível; explicando individualmente os eventos simulados, a partir da explicação do processo cognitivo de tomada de decisão dos agentes do domínio da aplicação. A alocação de recursos é uma atividade chave para o setor de segurança pública, sendo por meio dela que os gerentes da polícia traçam estratégias de policiamento preventivo para uma dada região. A atividade trata da alocação das equipes policiais disponíveis em horários e pontos específicos da cidade com o intuito de minimizar a criminalidade. ExpertCop solicita do usuário um plano de alocação de recursos e simula como a criminalidade se comporta frente ao policiamento alocado. O objetivo da ferramenta é permitir que os usuários, policiais da academia entendam os fatores envolvidos na atividade de alocação de recursos, aprendam seu processo pela prática simulada e reflitam sobre as causas-efeito de suas alocações e o reflexo destas nos níveis criminais. 1.4 ESTRUTURA DO TRABALHO Este trabalho, além desta introdução, é composto por seis partes, descritas, resumidamente, a seguir. Capítulo 2 - Conceitos Básicos: Neste capítulo apresentam-se as tecnologias, conceitos e abordagens que norteiam esta proposta. Descrevem-se os sistemas multiagente, aprofundando-se nos simuladores multiagente. Em seguida aborda-se os sistemas de informação geográfica e sua interação com simuladores multiagente definindo a geosimulação. Apresentam-se os sistemas tutores inteligentes e suas aplicações. Trata-se das técnicas de mineração de 20 dados na descoberta do conhecimento e dos algoritmos que as implementam. Por fim aborda-se explicação em sistemas baseados em conhecimento; Capítulo 3 - Trabalhos Correlatos: Este capítulo contempla o trabalho de revisão bibliográfica onde foi pesquisado e analisado um conjunto de sistemas e propostas considerado significativo para o contexto de pesquisa do trabalho. Cada sistema e proposta foram analisados de acordo com um conjunto de critérios específicos, sendo o resultado apresentado em um quadro analítico que nos permitiu avaliar as propostas apresentadas; Capítulo 4 - A Arquitetura SGTI: Aqui é apresentada a proposta nascida a partir da revisão bibliográfica e dos problemas identificados. Uma arquitetura para sistemas geosimuladores tutoriais inteligentes. Como as técnicas de simulação multiagente, sistemas de informação geográfica e sistemas tutores inteligentes são agregados, de forma a constituir uma arquitetura para a construção de sistemas educativos. Cada parte que compõem a arquitetura é descrita individualmente; Capítulo 5 - Estudo de Caso: O Capítulo 5 apresenta a aplicação da arquitetura SGTI no desenvolvimento de um sistema de treinamento para o setor de segurança pública, ExpertCop. É demonstrado como cada módulo da arquitetura é implementada, além do funcionamento da ferramenta, sua aplicação e avaliação como ferramenta de apoio em um curso desenvolvido para os órgãos de segurança pública; Conclusão, Contribuições e Trabalhos Futuros: Conclui-se o trabalho, ressaltando as contribuições, problemas encontrados e perspectivas futuras para o trabalho aqui apresentado; Referências Bibliográficas: Apresentam-se os trabalhos bibliográficos pesquisados ou que de alguma forma deram suporte. 21 2 CONCEITOS BÁSICOS 2.1 INTRODUÇÃO Neste capítulo descrevem-se os principais conceitos que favorecem a compreensão da proposta apresentada neste trabalho. Na seção 2.2 abordam-se os sistemas multiagente em especial os simuladores multiagente. A seção 2.3 trata dos sistemas de informação geográfica e sua conexão com os simuladores multiagente na definição dos geosimuladores. Os sistemas tutores inteligentes, arquitetura, abordagensa aplicações são descritos na seção 2.4. Em 2.5 é abordada a descoberta de conhecimento em base de dados, seu histórico e algoritmos, em especial o algoritmo de formação incremental de conceitos COBWEB. Em 2.6 aborda-se a explicação em sistemas baseados em conhecimento. Por fim, na seção 2.7, conclui-se o capítulo. 2.2 SISTEMAS MULTIAGENTE Os sistemas multiagente do inglês Multi-Agent Systems (MAS), surgiram em meados da década de 80 (FERBER, 1999) constituindo uma subárea de pesquisa da Inteligência Artificial Distribuída (IAD). Estes sistemas caracterizam- se pela utilização de uma abordagem bottom-up (FERBER, 1999), partindo de uma sociedade de agentes que interagem de forma dinâmica e autônoma na resolução de problemas ou objetivos em um dado domínio. A Figura 1 descreve o projeto de um SMA. Os SMA podem ser definidos como sistemas compostos por um conjunto de agentes que interagem em um mesmo ambiente em busca de cumprir objetivos individuais e/ou coletivos. Estes agentes podem variar em número, objetivos, em grau de inteligência e de conhecimento sobre o ambiente e sobre os outros agentes. A interação pode 22 ocorrer de forma direta ou indireta, e motivada por competição ou cooperação. O ambiente, por sua vez, pode ser físico ou virtual, estático ou dinâmico, discreto ou contínuo, determinístico ou estocástico (RUSSELL; NORVIG, 1995). Figura 1: Projeto de SMA (SICHMAN et al, 2002). As aplicações destes sistemas são as mais diversas, sendo suas possíveis aplicações classificadas por Ferber em resolução de problemas (distribuídos), simulação multiagente, construção de mundos ou ambientes artificiais, robótica coletiva e projeto de sistemas (FERBER, 1999). Aborda-se a seguir a simulação multiagente que será utilizada como parte da proposta apresentada no presente trabalho. 2.2.1 Simulação multiagente O processo de simulação visa à representação de um fenômeno por meio de outro. Simular é útil para compreender, testar, mensurar, avaliar, prever, avaliar desempenho, educar, provar, descobrir, treinar, diminuir riscos e custos. Aplicações práticas de ferramentas de simulação podem ser vistas em todas as áreas do conhecimento, industrial, científica, educacional e comercial. Na área da pesquisa científica, pesquisadores de várias disciplinas (física, química, biologia, ecologia, economia, ciências sociais) constroem modelos da realidade a ser estudada e testam sua validade por meio de simulações computacionais. Inicialmente, as simulações eram estruturadas com base em modelos estocásticos onde as variáveis a serem estudadas e suas relações eram 23 representadas por meio de funções e equações matemáticas (VOLTERA, 1926). Do ponto de vista dos fenômenos sociais, este paradigma de simulação apresenta algumas falhas como: Impossibilidade de representar a relação entre indivíduo e todo (micro- macro); Complexidade e pouco realismo dos parâmetros; Ausência da representação de comportamentos individuais e heterogêneos das entidades que compõem o domínio; Impossibilidade de representar múltiplas tarefas ou atividades; Ausência de informação qualitativa. Os sistemas multiagente possibilitaram reduzir estes problemas, apresentando uma nova forma de se entender e modelar sistemas de simulação. Os SMA possibilitam representar individualmente as entidades (componentes, variáveis, atores) do domínio simulado, cada qual com seu comportamento específico. Isso se deve à autonomia, pró-atividade, representatividade, dentre outras características inerentes aos agentes que compõem os SMA (KHUWAJA et al, 1996) (GILBERT; CONTE, 1995). Em virtude da aplicabilidade dos SMA à área de simulação, surge o conceito de simulação multiagente do inglês Multi- Agent Based Simulation (MABS) que se baseia na idéia de representar computacionalmente o comportamento das partes que compõem o ambiente simulado para tentar compreender o todo. As ciências sociais foram uma das áreas especialmente beneficiadas pela simulação multiagente. Os fenômenos sociais estudados nesta área adequam-se perfeitamente à proposta dos simuladores multiagente, já que os fenômenos partem da interação de entidades complexas e heterogêneas: os seres humanos. 2.3 SISTEMAS DE INFORMAÇÃO GEOGRÁFICA Sistemas de Informação Geográfica do inglês Geographical Information Systems (GIS) são sistemas de informação, baseados em computador, utilizados 24 para o armazenamento, recuperação, representação, mapeamento, exibição e análise de dados geográficos. Apesar das primeiras pesquisas propriamente sobre SIG iniciaram-se por volta do final dos anos 50, os primeiros sistemas apareceram apenas no final da década de 70. Os SIG trouxeram o poder computacional para o tratamento de informações geográficas, beneficiando todas as áreas relacionadas e áreas que de alguma forma necessitavam manipular informações referentes às regiões geográficas. As aplicações destes sistemas são bastante abrangentes indo da área comercial à pesquisa. Estes sistemas oferecem a possibilidade da manipulação de mapas representando áreas geográficas em escala, trabalhando especificamente com as características geográficas relevantes ao problema estudado. SIG como Geomedia (GEOMEDIA, 2005) e Geotools (GEOTOOLS, 2005) permitem a manipulação de camadas que representam aspectos geográficos de alguma região estudada. Na Figura 2 é possível observar um ambiente geográfico representado por um conjunto de perspectivas (layers) apresentadas separadamente. ENTIDADES VIVAS VIAS DE TRAFEGO AGRUPAMENTOS TOPOGRAFIA USO DA TERRA AMBIENTE REAL Figura 2: Exemplo de superposição de camadas (www.gis.com/whatisgis/). http://www.gis.com/whatisgis/ 25 Estas camadas podem representar aspectos específicos como hidrografia, vias de fluxo de veículos (eixo de ruas) ou a geologia da região. Outra possibilidade é a representação de fenômenos ocorridos sobre as regiões estudadas, como a demarcação de pontos ou áreas onde ocorreram algum tipo de fenômeno social, econômico, político ou natural. Um exemplo prático de representação de fenômeno social se dá no mapeamento criminal de áreas onde os crimes se distribuem de acordo com sua posição geográfica (Figura 3). Quando agrupadas (sobrepostas) estas camadas representam o ambiente geográfico como um todo. As áreas estudadas podem ser exibidas em duas dimensões (2D) ou em três dimensões (3D), ficando a exibição de acordo com a ferramenta e com a necessidade do domínio. A Figura 3, por exemplo, mostra o mapeamento criminal em uma cidade em um mapa de eixo de ruas 2D. Figura 3: Imagem 2D gerada a partir de um SIG representando o mapeamento de crimes em uma área. 2.3.1 Sistemas de Informação Geográfica e Simulação Multiagente Um dos grandes desafios da ciência da geo-informação é o desenvolvimento de técnicas e abstrações que sejam capazes de representar adequadamente fenômenos dinâmicos (CÂMARA et al, 2003). A simulação multiagente, quando agregada aos SIG, possibilita a 26 representação da dinamicidade dos fenômenos. Os SIG geram mapas em escala reduzida das áreas geográficas a serem estudadas, representando o ambiente físico dos fenômenos estudados. Enquanto a simulação multiagente possibilita a representação das entidades que atuam neste ambiente dentro da dinâmica do fenômeno estudado. Há um mutualismo entre SIG e simulação multiagente. Os SIG não só representam o ambiente geográfico estudado por meio de mapas, mas permitem a manipulação dos mapas e das características que os compõem, trazendo realismo e precisão aos simuladores. A simulação multiagente por sua vez oferece a representação da dinâmica entre as entidades que compõem o fenômeno estudado. Agregados possibilitam a representação das entidades e de sua dinâmica com o ambiente no domínio estudado.É comum a utilização de SIG em simulações nos domínios social, ecológico e urbano (WU, 2002) (GIMBLETT, 2002), porém, simulações em qualquer domínio que necessitem de uma representação do ambiente geográfico estudado podem utilizar os SIG. O termo “Geosimulação” foi proposto pelos pesquisadores Benenson e Torrens (2004) para representar uma proposta de agregação de simulação multiagente e sistemas de informações geográficas, visando a oferecer uma estrutura para o desenvolvimento de sistemas para simulação de áreas geográficas urbanas. De acordo com os autores, a proposta da Geosimulação se distingue de outras propostas de metodologias de simulação exatamente pelo enfoque no “geo”, na representação e manipulação da parte geográfica do ambiente simulado. Por este motivo a proposta de geosimulação torna-se adequada ao estudo de sistemas sociais e urbanos, sendo assim peça importante à proposta deste trabalho. 2.4 SISTEMAS TUTORES INTELIGENTES Os trabalhos de Carbonell na década de 70 incorporavam técnicas de IA como apoio a programas destinados a auxiliar no processo de ensino- aprendizagem, tornando-se um marco nos STI. Sua proposta era levar em consideração a forma como o professor estrutura e desenvolve o conteúdo em 27 sala de aula, considerando o perfil dos alunos no sistema de ensino, adaptando assim o processo de ensino a este perfil. Fruto de suas pesquisas, o sistema SCHOLAR (CARBONELL, 1970), assim como o WHY e SOPHIE (WENGER, 1987), estão entre os primeiros sistemas tutores inteligentes. Podemos dizer que adaptação é o princípio pedagógico que rege a concepção de um STI. Os STI são sistemas com modelos de conteúdo instrucionais que especificam o que ensinar e estratégias de ensino que especificam como ensinar. De acordo com Kaplan e Rock (1995), estes sistemas são compostos por módulo do aluno, módulo tutor, módulo do domínio e Interface com o usuário. A Figura 4 apresenta a arquitetura proposta para um STI. Há variações desta arquitetura, mas, de um modo geral, em todas há um consenso sobre os componentes apresentados a seguir. Figura 4: Arquitetura de um STI (GIRAFFA; BOLZAN, 2002). 2.4.1 Módulo do Domínio No módulo do domínio é armazenado ou representado o conhecimento a ser apresentado ao aluno pelo módulo tutor. Este módulo contém as informações acerca de um determinado domínio. A forma como este conhecimento é representado e estruturado é fundamental para um bom acesso, apresentação, reuso e incremento das informações armazenadas. Há diversas técnicas para 28 representação do conhecimento sobre o domínio, como as redes semânticas de SCHOLAR, scripts de WHY ou a representação procedural de SOPHIE. 2.4.2 Módulo do Aluno Este módulo armazena o perfil do aluno, suas características e preferências, visando a identificar individualmente cada aluno com suas específicas necessidades, durante o processo de ensino-aprendizagem. Informações como resultados, erros, preferências e habilidades podem ser guardadas neste módulo, visando criar um perfil individual do aluno que utiliza o sistema. A partir desse modelo e do conteúdo representado na base do domínio, o sistema deve ser capaz de inferir a estratégia de ação mais adequada a ser utilizada para cada aluno durante a utilização do sistema. 2.4.3 Módulo Tutor O módulo tutor ou pedagógico é responsável por passar ao aluno o conteúdo do domínio estudado (representado no módulo do domínio). Para tal, utiliza-se de estratégias e técnicas pedagógicas selecionadas de acordo com o conteúdo a ser transmitido e o perfil do aluno, representado no módulo do aluno, visando assim facilitar o processo de aprendizagem. Há várias estratégias passiveis de serem adotadas como: Abordagem socrática ou dialética: baseada em diálogos e levantamento de questões ao estudante, como no sistema SCHOLAR e no sistema WHY; Coaching (treinador): nesta abordagem, o estudante fica à vontade para acionar o apoio, quando achar necessário. O sistema SOPHIE apresenta um bom exemplo de coaching; Hipertextos: nestes sistemas o apoio pedagógico é dado ao usuário sob a forma de hipertextos, mediante os quais o usuário pode navegar na ajuda em diferentes níveis conceituais de acordo com suas necessidades; Abordagem de dicas (hints): o tutor oferece ao usuário dicas durante o 29 processo ou ao fim do mesmo que levam o usuário a refletir sobre suas ações no sistema. Abordagem prática (Learning by doing): o estudante é encorajado a buscar informações e deduzir orientações a partir do modelo do domínio. 2.4.4 Interface A interface faz o intermédio entre o sistema e o aluno, por este motivo é importante a ergonomia, objetividade e atratividade da interface. Ela poderá facilitar ou inviabilizar o sucesso do sistema como um todo. Há diversas formas e níveis de complexidade no desenvolvimento da interface, podendo ir desde interfaces textuais simples a sistemas simuladores baseados em realidade virtual. 2.4.5 Agentes e STI De acordo com Claude Frasson (FRASSON et al, 2000), “Uma das mais promissoras aplicações de agentes autônomos está provavelmente na educação e treinamento”. As características pertinentes aos agentes de software como mobilidade, representatividade, aprendizado e autonomia trazem vantagens na construção e atuação dos STI. Os agentes podem trazer flexibilidade ao sistema, representando, compondo e integrando os módulos de um STI. Agentes podem aprender a partir da interação com o aluno, e modelar mais facilmente o perfil deste. Os agentes podem assumir as responsabilidades do módulo tutor, agregando-se a interfaces animadas e interativas, sendo dotados de estratégias pedagógicas, visando a uma melhor explanação do conteúdo estudado. Há agentes dotados das mais diversas estratégias, como sondar os passos do estudante durante a utilização do sistema e identificar momentos em que o usuário demonstra estar em dificuldades de modo a oferecerem ajuda ou correção específica. Ou ainda adotar técnicas como mineração de dados para identificar nas interações do usuário com o sistema, padrões de comportamento. Há diversos trabalhos de pesquisa focados na integração dos sistemas STI e sistemas baseados em agentes (LESTER, VICARI e PARAGUASSU, 2004). 30 2.4.6 STI, simuladores e jogos educativos Os STI modelados como jogos educativos têm um grande potencial para o processo de ensino e aprendizagem, por despertarem naturalmente o interesse dos alunos durante o processo de ensino. Dentro do paradigma de jogos, os STI adotam a estratégia prática ou learning by doing. O jogo tem um caráter de desafio e conquista, despertando nos alunos motivação, estímulo, curiosidade e interesse. Essas características pertinentes aos jogos podem ser aproveitadas como estratégias pedagógicas na construção de ferramentas educacionais. O jogo permite ao aluno construir seu conhecimento de maneira lúdica e prazerosa. Segundo Piaget (1976), o jogo tem uma relação estreita com a construção da inteligência e possui uma efetiva influência como instrumento incentivador e motivador no processo de ensino e aprendizagem. Os jogos educativos computadorizados são elaborados de forma a, divertindo os alunos, aumentar a chance de aprendizagem de conceitos, conteúdos e habilidades embutidas no jogo. Para Vieira (1994), os jogos educativos podem explorar aspectos como: Propiciar o lúdico por meio de jogos de exercício, simbólicos e de construção; Favorecer a aquisição de condutas cognitivas por meio de jogos que apelam para o raciocínio prático, a discriminação e a associação de idéias; Ajudar no desenvolvimento de habilidades funcionais por meio de jogos que exploram a aplicação de regras, a localização, a destreza, a rapidez, a força e a concentração; Propiciar trabalhos sociais com a realização de atividades de participação coletivaem busca da socialização; Auxiliar na aquisição de condutas afetivas em jogos que ajudam a desenvolver a confiança, a autonomia e a iniciativa. Jogos simuladores (gamming simulation) representam experiências reais em ambiente virtuais ou simulados, propiciando o aprendizado experimental. 31 Pode haver, porém, um caráter negativo na aplicação dos jogos como estratégia de apoio pedagógico ao aluno. Os jogos têm em geral um objetivo bem definido onde o usuário deve superar marcas, ganhar de alguém ou de si próprio. Desta forma, o usuário pode voltar-se apenas para a obtenção dos resultados, elaborando macetes e estratégias decoradas. O aluno pode perder o foco no processo e modelo de simulação, é onde estão os conceitos a serem aprendidos. É necessário que o foco esteja no processo, que os resultados sejam fruto da compreensão do que ocorreu durante o processo. É também importante que este processo seja dinâmico, para que o aluno possa passar por ele diversas vezes e encontrar sempre novas motivações. No aprendizado experimental, a experiência direta é tida como fundamental para o processo de aprendizado. Ulrich apud Dewey (1997) afirma que toda educação genuína é proveniente da experiência. Os Jogos simuladores permitem essa experiência prática com o foco do estudo, o “aprender fazendo”. De acordo com Kolb (1984), o aprendizado é favorecido quando se dá dentro de quatro passos sucessivos, como mostrado na Figura 5: Figura 5: Passos segundo Kolb para o favorecimento do aprendizado. Experiência concreta: Obtida na vida real ou por ambientes simulados ou virtuais; Observações e reflexões: Após a experiência, segue-se a fase de 32 reflexão em que a experiência é recriada na mente do aluno e todas suas facetas são vistas em perspectivas diferentes da inicialmente vivenciada; Conceitualização e abstração: Nesta fase, a experiência é comparada com experiências absorvidas anteriormente e examinada de acordo com estruturas-padrão e significados existentes. Aqui são formados os conceitos abstratos e novo conhecimento é gerado; Experimentação ativa: Os novos conceitos formados são utilizados em novas estratégias na abordagem do problema. Estas fases propostas por Kolb, para o favorecimento do processo de aprendizagem, podem ser obtidas a partir da interação do usuário com um jogo simulador. A experiência concreta é vivenciada pelo usuário por meio da interação com a simulação do ambiente ou atividade em estudo proposta pelo jogo. Os jogos simuladores têm diversas características que os tornam favoráveis ao processo de ensino. Para uma melhor adequação de seu propósito original, o entretenimento, ao propósito pedagógico, é necessário que haja uma adequação, dando um maior suporte ao usuário na compreensão dos fatos simulados e dos resultados obtidos, auxiliando assim no processo de aprendizado. Esta adequação traz aos jogos a necessidade da inserção de tutores inteligentes (ANGELIDES; SIEMER, 1994) de forma a possibilitar, dar suporte ao usuário durante este processo. Há diversos trabalhos agregando STI a jogos e simuladores (ANGELIDES; SIEMER, 1994, 1995) (MARTENS; HIMMELSPACH, 2005) de forma a torná-los efetivamente ferramentas pedagógicas. Estes trabalhos mostram a necessidade e viabilidade desta agregação, além de propor frameworks específicos para a construção de jogos tutorados. A agregação da proposta de jogos simuladores e de STI oferece ferramentas necessárias para o cumprimento dos objetivos almejados no presente trabalho. 33 2.5 DESCOBERTA DE CONHECIMENTO EM BASE DE DADOS A identificação de relações ou padrões a partir de dados armazenados pode não ser uma tarefa trivial, principalmente quando há um grande volume de dados a ser analisado. Por este motivo, novas técnicas e ferramentas computacionais tornaram-se necessárias para dar suporte a esta extração de conhecimento a partir de dados armazenados. Estas técnicas e ferramentas englobam o campo de descoberta de conhecimento em base de dados do inglês Knowledge Discovery in Databases (KDD). O termo KDD refere-se ao processo automatizado de extração de conhecimento a partir de banco de dados. Fayyad (FAYYAD et al, 1996) define KDD como um processo não trivial de identificação de padrões válidos a partir de dados armazenados. KDD evoluiu, e continua evoluindo, da interseção da pesquisa nas áreas de banco de dados, aprendizado de máquina, reconhecimento de padrões, estatística, aquisição de conhecimento e visualização de dados. Os sistemas KDD incorporam teorias, algoritmos e métodos de todos estes campos, dando um enfoque ao processo global de descoberta de conhecimento e em como os dados são armazenados (data warehouse) e acessados. O processo de KDD envolve basicamente cinco fases. A primeira é a seleção dos dados, na qual é selecionado, a partir da base de dados, um subconjunto de dados a partir dos quais se quer realizar o processo de descoberta de conhecimento. A segunda fase é o pré-processamento dos dados, onde são realizadas operações para remoção de ruídos e redundâncias. A terceira fase, transformação consiste em aplicar, quando necessário, alguma transformação linear ou mesmo não linear nos dados, de forma a encontrar aqueles mais relevantes para o problema em estudo. Nesta etapa, geralmente são aplicadas técnicas de redução de dimensionalidade e de projeção dos dados. A quarta fase ou etapa é a de mineração. Esta fase se dá com a utilização de algoritmos de aprendizado de máquina para a descoberta de agrupamentos, classificações e associações nos dados. A última fase é a análise dos dados 34 gerados, onde os agrupamentos e classificações são analisados geralmente com o apoio de um especialista no domínio, de forma a identificar os padrões e classificações úteis e colocá-los de forma compreensível para o usuário final. O processo de descoberta de conhecimento é interativo e, em geral, envolve diversos laços de repetição dentro de uma mesma etapa e também entre fases, até que um resultado útil seja alcançado. A Figura 6 exibe as fases do processo de KDD. Figura 6: Processo de descoberta de conhecimento (FAYYAD et al, 1996). 2.5.1 Mineração de dados Mineração de Dados (Data mining) é um dos sub-processos da descoberta de conhecimento, consistindo em um processo analítico de exploração de dados na busca de padrões consistentes e/ou relacionamentos sistemáticos entre variáveis. Existem diversas estratégias utilizadas no processo de mineração de dados, cada uma com um enfoque específico. Dentre os principais métodos de descoberta estão: classificação, agrupamento, associação, regressão e predição. Nestas estratégias, o objetivo é generalizar o conhecimento adquirido para identificar novas ocorrências do fenômeno. Em cada uma destas estratégias, diferentes técnicas e algoritmos podem ser aplicados. Aborda-se a seguir a 35 estratégia de agrupamento. 2.5.2 Algoritmos de Agrupamento (clustering) Uma das estratégias utilizadas na mineração de dados é o agrupamento (agregação). Esta estratégia consiste na busca de similaridades entre os dados/objetos, de modo a separá-los em classes ou categorias (clusters) que agrupem as características em comum, separando-o dos demais. A principal diferença entre esta abordagem e a de classificação é que em agregação não se tem conhecimento prévio sobre a quantidade ou tipo das classes nem a possível pertinência dos exemplos usados na modelagem (algoritmos não- supervisionados). Enquanto na classificação (algoritmos supervisionados) há apenas uma classificação dos exemplos de acordo com as classes previamente definidas. Devido à sua característica de geração dinâmica das classes, a partir das características dos exemplos, os algoritmos de agregação são mais indicados, quando não há a presença do especialista para a definiçãoprévia das classes. Neste trabalho, focar-se-á a classe dos algoritmos não-supervisionados em virtude da ausência de um especialista no processo de geração de conhecimento. Verificou-se ainda que nesta classe de algoritmos há os que realizam um processo de formação de categorias através do agrupamento conceitual de entidades, conceptual clustering (MICHALSKI, 1983). Trata-se da categorização de entidades em função de suas propriedades. Os algoritmos incrementais, em particular, são conhecidos como sistemas de formação de conceitos (FISHER, 1987; LEBOWITZ, 1987), pois as categorias são representadas por conceitos que explicam o agrupamento das entidades. Smith e Medin (1981) propuseram uma abordagem baseada em noções da psicologia cognitiva, chamada conceitos probabilísticos. A representação de um conceito probabilístico consiste de uma lista de pares atributo/valor associados a uma probabilidade de ocorrência. Esta probabilidade (predictability) é a probabilidade condicional de que uma observação possua um atributo A com um valor V, dado que esta observação pertence ao conceito C, P (A = V | C). 36 O uso de uma função para mensurar a qualidade de uma hierarquia de conceitos representou um avanço para a área de formação automática de conceitos, assim como o uso de conceitos probabilísticos na sua representação facilitou o entendimento do método de clustering utilizado. COBWEB (FISHER, 1987) é uma abordagem que aplica essas idéias em sua implementação. Isso a transformou em representante típico dos sistemas de formação de conceitos probabilísticos. Através de uma função de avaliação, COBWEB faz uso de uma heurística de criação de conceitos. As entidades em COBWEB são representadas como uma observação de um conjunto de suas propriedades. Uma propriedade de uma entidade é formada por um atributo da entidade e seu respectivo valor. Na hierarquia construída pelo algoritmo, cada nó é um conceito que representa uma categoria. Na Figura 7 elaborou-se um exemplo de uma pequena árvore composta por quatro nós (conceitos) gerada por COBWEB a partir de cinco exemplos. Cada conceito C é composto por três colunas, representando sucessivamente a descrição do atributo A, o valor V e a probabilidade condicional P de uma entidade fazem parte de um conceito ou categoria (P (A = V | C)). Podemos ver que o nó raiz contém o conceito mais genérico, o conceito animais, abrangendo todos os exemplos (5 exemplos) avaliados. A partir deste conceito, COBWEB identificou três outros conceitos mais especializados: o conceito 1 que representa os mamíferos, o conceito 2 que representa os peixes e o conceito 3 que representa as aves. A primeira coluna de cada conceito da figura é composta pelos atributos cobertura e coração. A segunda coluna é composta pelos possíveis valores para os atributos: pêlo, pena ou escama para o atributo cobertura e quatro ou duas cavidades para o atributo coração. A terceira e última coluna é composta pela probabilidade de ocorrência deste valor para o atributo no conceito. 37 Figura 7: Divisão de um conceito genérico em conceitos mais específicos Ainda utilizando o exemplo exibido na Figura 7, caso um sexto exemplo (observação) fosse acrescentado aos exemplos previamente existentes, COBWEB avaliaria o conceito, buscando incorporá-lo à árvore existente. O processo de incorporação de um exemplo é baseado na classificação do mesmo através de uma caminhada na estrutura hierárquica. 2.5.3 Mineração de Dados Aplicada a STI e Simulação A mineração de dados é utilizada nas mais diversas áreas, os sistemas tutores e simuladores não seriam uma exceção. Nos STI, os algoritmos de mineração são utilizados para descobrir padrões de comportamento de usuários registrados em arquivo de log durante a utilização do sistema. Estes padrões podem vir a identificar uma má estruturação do conteúdo, podem servir para identificar o nível do estudante ou mesmo identificar se há uma má utilização do tutor (MERCERON et al, 2001) (MERCERON; YACEF, 2003, 2004). Em simuladores, a mineração pode servir para identificar os padrões de comportamento a partir dos eventos simulados, permitindo assim auxiliar o usuário na compreensão do processo de simulação (FURTADO; VASCONCELOS, 2005). Como podemos ver, o processo de mineração de dados pode ser aplicado de diversas formas, nos mais diversos contextos, para identificar ou explicitar um 38 comportamento, tendência ou padrão. 2.6 EXPLICAÇÃO EM SISTEMAS BASEADOS EM CONHECIMENTO Fensel et al (2003) definem Sistemas Baseados em Conhecimento - SBCs como sistemas de computador desenvolvidos para resolver problemas complexos fazendo uso de conhecimento. Em virtude da complexidade das tarefas as quais estes sistemas se propõem a solucionar, há a necessidade de credibilidade em seu processo, não sendo interessante que o sistema funcione como uma caixa preta. Esta credibilidade pode ser alcançada através da explicação dos processos utilizados nos SBCs de modo que os usuários entendam as estratégias e assim confiem e entendam as respostas. Em especial, os SBCs que fazem uso de Problem Solving Methods – PSMs, Métodos de resolução de problema que descrevem os passos de raciocínio e conhecimentos utilizados na resolução tarefas com uso intensivo de conhecimento, tais como planejamento, diagnóstico, configuração e avaliação, são desenvolvidos de acordo com a visão do especialista, tornando-se difícil para usuários inexperientes entender as estratégias de raciocínio complexas. Outro caso que reforça a necessidade da explicação é que em sistemas de ensino que usam SBCs para simular comportamentos inteligentes, os estudantes (usuários) precisam entender o processo de raciocínio para que tais sistemas realmente possibilitem seu aprendizado. Na década de 80, formalizaram-se propostas de “Explicação em SBSc”, tendo os trabalhos de Swartout (1983), Buchanan e Shortliffe (1984) e Clancey (1986) papel significativo no desbravar desta área, firmando-a como área independente e significativa de pesquisa. Trabalhos nesta área vêm evoluindo. Inicialmente pelo simples trace das regras utilizadas no processo de inferência em MYCIN, passando a utilização de meta-regras na representação explícita das estratégias de resolução do problema em NEOMYCIN (CLANCEY, 1986) e evoluindo em uma série de trabalhos que aprimoraram e adaptaram o processo de explicação (SHANKAR; MUSEN, 1998) (RICHARDS, 2000) (MOORE; SWARTOUR, 1991) (PINHEIRO; FURTADO, 39 2004). Estes trabalhos são importantes para a proposta de apoio ao aluno por meio de explicações que será apresentada como parte dos objetivos deste trabalho. 2.7 CONCLUSÃO A partir dos temas expostos, pode-se concluir que geosimulação é uma proposta de agregação da simulação multiagente e sistemas de informação geográfica para a simulação de fenômenos, em especial, fenômenos sociais. A geosimulação une a possibilidade de modelagem, representação e simulação de sistemas e atividades complexas oferecidas pelos SMA à manipulação e representação precisas do ambiente físico oferecida pelos SIG. Observamos que os STI são desenvolvidos visando oferecer auxílio aos usuários na utilização e compreensão de ferramentas computacionais, podendo assim ser utilizado como auxílio ao usuário na compreensão do processo de simulação ou de geosimulação. Apresentou-se a descoberta de conhecimento em base de dados, em especial a mineração de dados e os algoritmos de agrupamento, como meio de descobrir informações relevantes e de difícil percepção, e como utilizá-los junto a sistemas tutores para dar suporte ao usuário. Ressaltou-se também a importância da explicação dos processos como meio de prover credibilidade e compreensão em sistemas baseados em conhecimento. 40 3 TRABALHOS CORRELATOS 3.1 INTRODUÇÃO Este trabalho de pesquisase motiva no tema de informática educativa e na busca de soluções para o desenvolvimento de sistemas com este fim. Mais especificamente os objetivos do presente trabalho são: a concepção de uma arquitetura pedagógica adequada para a construção de ferramentas computacionais voltadas para o estudo de fenômenos urbanos e treinamento de atividades realizadas neste contexto, e sua aplicação no desenvolvimento de um sistema de treinamento para o setor de segurança pública. Neste capítulo, faz-se uma revisão bibliográfica de modo a identificar e avaliar diferentes propostas para a problemática identificada. Avaliam-se, dentre um conjunto de sistemas e propostas para treinamento e ensino, as técnicas, estratégias e tecnologias adotadas. Um conjunto de critérios, considerados importantes para a contextualização e avaliação pedagógica das propostas, foi adotado no processo de avaliação. São eles: domínio estudado, abordagem utilizada, modelagem do domínio e técnicas, interação usuário modelo e suporte ao aluno. 3.2 REVISÃO BIBLIOGRÁFICA Desenvolveu-se pesquisa bibliográfica em um conjunto de sistemas educativos, buscando identificar e avaliar as propostas, abordagens e arquiteturas de auxílio ao usuário na compreensão dos modelos propostos. Há uma extensa bibliografia no que diz respeito à utilização de sistemas computacionais como ferramenta de ensino. Várias classificações baseadas nas mais diversas características podem ser encontradas (GALVÃO et al, 2000) (TAJRA, 2000) (TEIXEIRA, 2005). Dentro deste contexto, buscou-se identificar as abordagens que contribuam com conceitos, modelos e propostas tecnológicas 41 adequadas para a construção de ferramentas de treinamento para fenômenos ou atividades urbanas. Dentre as classificações, os simuladores de treinamento, os jogos educativos e os tutores mostram-se adequados ao nosso propósito, por serem utilizados para o treinamento e estudo de atividades práticas e/ou terem um propósito educacional. Apresentar-se-á a seguir um enfoque em propostas de simuladores de treinamento, jogos educativos e tutores, fazendo uma análise dentro dos critérios domínio estudado, modelagem do domínio e técnicas, meios de interação entre usuário e modelo e suporte pedagógico ao aluno. 3.2.1 Simuladores para Treinamento Analisa-se a seguir um subconjunto das propostas estudadas que podem se enquadrar sob algum aspecto ao nosso objetivo. 3.2.1.1 O Sistema SECUREVI Domínio: SECUREVI (QUERREC et al, 2004) é um sistema simulador que visa apoiar o treinamento de oficiais do corpo de bombeiros no gerenciamento operacional e no comando das atividades de combate a incêndios. Modelagem: SECUREVI é implementado a partir de MASCARET, um modelo proposto pelos mesmos autores que possibilita o desenvolvimento de ferramentas para treinamento de equipes em atividades colaborativas e procedimentais em ambientes físicos. MASCARET utiliza a simulação multiagente para a representação das entidades que compõem o domínio, oferecendo uma representação tridimensional do ambiente simulado. Interação usuário-modelo: A proposta do sistema é que os alunos atuem como um agente externo, fazendo o papel de chefes de equipes, intervindo durante o incidente simulado. A intervenção se dá pela definição (configuração via interface) de equipes que atuarão na resolução dos incidentes e de como estas equipes são organizadas para resolver problemas específicos, o número de seus componentes, sua estrutura organizacional e os recursos de que dispõe. A organização das equipes pode ser feita no início da simulação ou dinamicamente durante o processo de simulação. No caso do incidente ser um vazamento de 42 gás, o aluno deve selecionar as equipes específicas mais adequadas para este tipo de problema, visando resguardar as pessoas e estruturas próximas do lugar, e findar o vazamento. O processo de simulação ocorre em um ambiente gráfico 3D dando ao aluno a possibilidade de lidar com os incidentes, como incêndios e vazamentos de gás, com riqueza de detalhes visuais. A Figura 8 mostra um cenário do ambiente virtual tridimensional de SECUREVI. O sistema é dotado de um agente treinador, que toma parte da simulação, causando disfunções (incidentes) que motivam o processo de treinamento na simulação, ajudando alunos ou executando algum papel em algum grupo. Já os alunos devem seguir um plano de intervenção, pedir a execução de procedimentos para equipes e relatar a situação para seu líder. Abordagem pedagógica: De acordo com os autores, SECUREVI e seu modelo MASCARET não apresentam uma proposta pedagógica formalizada. O agente treinador assume parcialmente a função de tutor (coach), dando direcionamento ao processo de simulação e assistência aos alunos, mas os autores não definem claramente como são modeladas e implementadas suas funcionalidades. Não há também modelo do estudante contemplado no sistema. Observações: O sistema é uma proposta interessante ao ensino e treinamento de uma atividade complexa. Há a necessidade de se estabelecer objetivos pedagógicos e meios para alcançá-los e mensurá-los. Quanto à validação do sistema, não são apresentados testes realizados com o sistema dentro de seu contexto de aplicação nem avaliações quanto à efetividade da ferramenta quanto aos objetivos propostos. 43 Figura 8: Cenário 3D proveniente do simulador SECUREVI. 3.2.1.2 Battle Command 2010 (BC2010) Domínio: BC2010 (STOTTLER & JENSEN, 2002) é um jogo de treinamento utilizado por militares estudantes do Curso de Preparação para Comando do Colégio do Comando Geral de Staff, sediado no Forte Leavenworth, Kansas, EUA, para treinamento de tomada de decisões táticas. Modelagem: BC2010 é um jogo simulador cujo objetivo é a avaliação das habilidades dos alunos no planejamento e execução de operações táticas de brigada. O jogo simula batalhas durante as quais o aluno pode interagir com sua brigada efetuando dinamicamente decisões táticas. Interação usuário-modelo: Uma vez selecionada a missão, tanto o planejamento, a execução dos planos e posteriores alterações nos planos são feitos por meio de uma interface intuitiva de jogo contemplada por um mapa 2-D e um ambiente 3-D que provêem uma representação realística do mundo simulado. Na Figura 9 é apresentada a interface do jogo, na qual vemos o ambiente 2-D representando um campo de batalha e os menus com as ferramentas do sistema. 44 Figura 9: Interface do sistema BC2010. Abordagem pedagógica: Um STI previamente existente foi adaptado a BC2010 pelos autores de modo a minimizar a necessidade do acompanhamento humano no apoio aos alunos durante o processo de simulação em BC2010. A proposta de atuação do STI junto ao estudante na utilização da ferramenta é apresentada na Figura 10. O aluno define no sistema, via interface e ferramentas gráficas, suas “áreas funcionais de batalha”, que representam os planos iniciais de atuação de tropas no ambiente físico da missão selecionada; estes planos são então repassados ao STI e revisados de forma a identificar aspectos negativos. Estas críticas são repassadas ao usuário sob a forma de anotações textuais e gráficas, permitindo ao usuário um re-planejamento. Após este fase, vem a execução dos planos (já revisados e corrigidos). Durante a execução o usuário visualiza os dados 2D e 3D simulados e interage dinamicamente com o sistema durante o processo, inserindo dados de comando. Em paralelo a este processo, o simulador envia os dados sobre a interação do aluno com o simulador para o STI. Após a execução da simulação, o usuário recebe do BC2010 os resultados do seu planejamento e interação tática, e do STI comentários, avaliando os resultados. 45 Detalhes dos planos Dados internos Avaliação Avaliação Planejamento Execução Planos Avaliação do STI Dados 2D e 3D AvaliaçãoApós Ação Dados de comando 2D e 3D Avaliação do STI Resultados da base STI Figura 10: Interação entre usuário, BC2010 e STI. Para a crítica ao plano inicialmente elaborado pelo aluno, o STI é alimentado por um especialista com dois tipos de avaliações: Dados sobre posicionamentos e direcionamentos geográficos corretos com uma tolerância definida; Dados sobre a adequação dos papéis atribuídos para cada unidade na coordenação com os outros elementos existentes no ambiente. Na Figura 11, são apresentados sucessivamente um exemplo correto de plano descrito por um especialista, um exemplo que falha no primeiro tipo de avaliação proposto por um aluno e um outro exemplo que falha no segundo tipo de avaliação também proposto por um aluno. Os círculos pontilhados representam os objetivos a serem alcançados, as setas, o percurso a ser seguido e os quadrados as companhias, subunidade composta entre 100 e 150 homens comandados por um capitão. 46 Figura 11: Sucessivos exemplos de posicionamento e adequação de papéis. Quanto à avaliação do desempenho a partir dos resultados, o STI observa o cumprimento de determinados estados da simulação que envolve posicionamentos e orientações em relação a outros elementos co-existentes. Estas avaliações são feitas por meio de uma máquina de estados finitos que verifica o estado final apresentado em relação a estes estados “meta”, previamente definidas por um especialista. Observações: Os exemplos apresentados são por demais simples deixando transparecer que o sistema mais parece um conjunto finito e estruturado de propostas do especialista associadas a um conjunto de respostas gráficas corretas. Não foi apresentado pelos autores nenhum tipo de validação da ferramenta. Também não há um comparativo se a incorporação do STI trouxe melhorias nos resultados dos alunos ou na compreensão dos objetivos. 3.2.1.3 O Sistema SMAP Domínio: Ohmori et al (2003) desenvolveu um trabalho de pesquisa, objetivando agregar as vicissitudes dos SIG à modelagem de jogos simuladores. Nesta pesquisa, foi desenvolvido o sistema SMAP (Simulation Model for Activity Planning). SMAP visa estudar os padrões de atividades diárias (translado) dos consumidores de meia-idade, considerando as limitações físicas destas pessoas, e como estes consumidores reagem a mudanças no ambiente. Os dados utilizados para servir de base para o modelo da simulação foram coletados em pesquisa de campo onde idosos foram sondados durante certo período. Modelagem: O sistema é modelado sob a forma de um jogo simulador baseado em um SIG. Interação usuário-modelo: O modelo é dotado de um gerador de padrões de atividades que tem como base informações sobre os padrões (espaço- 47 temporais) de comportamento de fluxo urbano de consumidores de meia idade, mediante aos meios de transportes e vias de acesso disponíveis. O gerador simula o comportamento (fluxo) dos consumidores no ambiente, representado graficamente pelo SIG. O usuário interage com a ferramenta, observando os padrões gerados e alterando as condições de transporte e de disponibilidade dos recursos de modo a analisar como os compradores reagem às mudanças. A Figura 12 mostra a interface do sistema SMAP e suas diversas janelas de acompanhamento e análise. Abordagem pedagógica: Não há uma proposta pedagógica formal. Observações: Apesar de não haver proposta pedagógica formalizada, o que pressupõe que o usuário por si só compreenderá o modelo e resultados, há componentes que permitem ao usuário um acompanhamento espaço-temporal da simulação e de seus dados. Ohmori afirma que jogos simuladores baseados em SIG são aplicáveis ao estudo de qualquer tipo de padrão de atividades. Com o apoio do SIG tornaram-se possível a visualização e, conseqüentemente, a análise espaço-temporal dos padrões e comportamentos gerados. 48 Inicio de oportunidade engajada / comprometida com a atividade alvo. Representação de padrões de movimentação de X na linha do tempo. Representação de padrões de movimentação de Y na linha do tempo. Representação de padrões de movimentação de x no mapa Geoprocessado. Atividade alvo. Figura 12: Interface do sistema SMAP. 3.2.1.4 DEFACTO System Domínio: O sistema DEFACTO (Demonstrador da coordenação flexível e eficaz de equipes de agentes de forma onipresente) (SCHURR et al, 2005) tem como objetivo oferecer treinamento a comandantes do corpo de bombeiros na coordenação de equipes frente a incidentes críticos (desastres), além de permitir a avaliação de estratégias de respostas a estes incidentes. Modelagem: O sistema é composto por um sistema multiagente no qual são modelados os atores do domínio (bombeiros) com seus respectivos comportamentos e por mapas 2-D e 3-D que representam o ambiente geográfico onde ocorrem os eventos simulados e onde atuarão os agentes, durante o processo de simulação. 49 Interação usuário-modelo: O treinamento se dá por meio de simulações de desastres (incêndios) em pontos específicos das regiões geográficas representadas pelos mapas. O usuário atua no sistema como coordenador de equipes, definindo estratégias de abordagem aos incidentes que serão implementadas por agentes autônomos, sendo possível com isso o treinamento efetivo de técnicas de coordenação e alocação de equipes. DEFACTO é composto por três componentes principais: Visualizador Onipresente, Framework proxy e Interação Flexível. A Figura 13 mostra os componentes da arquitetura de Defacto. O Visualizador Onipresente contempla a interface gráfica do sistema, composto por um visualizador 3-D (modo de navegação) que permite a visualização do ambiente simulado e da atuação dos agentes (mapa) em diferentes perspectivas (onipresença) e um visualizador 2-D (modo de alocação) que permite a interação do usuário na definição das estratégias. O framework proxy implementa durante o processo de simulação a estratégia de coordenação e atuação da equipe. Cada membro da equipe tem seu proxy, ou seja, sua estratégia de atuação junto da equipe. A Interação Flexível é implementada pelo ajuste autônomo da autonomia dos agentes, que em determinado momento da simulação passam ao usuário a determinação da ação a ser tomada frente à situação. Abordagem pedagógica: Os autores não propõem uma abordagem pedagógica. Observações: A proposta dos autores tem seu foco voltado para a interação flexível e dinâmica entre usuário e sistema como estratégia de pedagógica. Os autores não se preocupam com a possibilidade de o usuário não conseguir relacionar ou interpretar suas ações frente aos resultados obtidos, o que pode vir a impossibilitar a obtenção dos resultados da ferramenta. 50 Coordenador de Equipes Visualizador Onipresente Navegação Alocação Cenário Equipe Figura 13: Arquitetura do sistema DEFACTO. 3.2.1.5 RobocupRescue Simulation Domínio: O projeto de Simulação RoboCupRescue é parte do grupo de pesquisas da liga RoboCup e RobocupRescue (ROBOCUP, 2005). Seus objetivos são a pesquisa e o desenvolvimento de ferramentas que dêem suporte à tomada de decisão em situações de emergência em ambientes urbanos, por meio da análise de informações sobre desastres, sistemas de planejamento, simulações e interfaces gráficas. Modelagem: A partir de uma rede de computadores, foi desenvolvido um ambiente genérico de simulação de desastres urbanos. Agentes heterogêneos inteligentes (SMA) tais como bombeiros, policiais, vítimas, dentre outros atores comuns a este domínio, conduzem ações de busca e salvamento neste mundo virtual. A simulação permite a investigação em áreas como Inteligência Artificial e Robótica, na definição de estratégias de comportamento (planejamento multiagente, planejamento em tempo real, interação entre agentes heterogêneos). Em termos de investigação de desastres, RoboCupRescue
Compartilhar