Search

Made available in DSpace on 2020-10-28T09:17:02Z (GMT). No. of bitstreams: 1 final9439.pdf: 1253275 bytes, checksum: 6a87b0fac17e09a3240c15204692e889 (MD5) Previous issue date: 2020

This dissertation presents the design and development of an agent-based interactive learning environment based on the Mathema Model. Such model adopts a problem-based learning approach as a pedagogical method that is achieved in an interaction environment that is populated by software and human agents (students and teachers), working together in favour of the human learners. This interaction occurs aiming at helping human learners to solve problems into given knowledge domain. This model aims to help learners during several phases involved in the build solution process, including the problem analysis. With this sense, the interaction between three agent categories was modeled: human learner agent, teacher and artificial tutoring agent. This work proposes a platform for building agent-based interactive learning environments, supporting as framework to developers/software engineers as authoring to non developers users like teachers and knowledge engineers. In addition, the platform has collaborative tools, an ontology-based infrastructure and an agent society that help at the domain modeling and problem solving process (through artificial intelligence techniques). It was conducted two case studies (at legal domain and health domain) and an initial investment at mathematical domain that demonstrate that the proposed platform is feasible. Coordenação de Aperfeiçoamento de Pessoal de Ní­vel Superior O presente trabalho aborda a concepção e desenvolvimento de ambientes interativos de aprendizagem (AIAs) baseados em agentes, mais especificamente, seguindo o modelo de arquitetura multiagente do Mathema. Tal modelo é definido com base em uma estratégia de aprendizagem baseada em problemas, disposta em um cenário onde agentes artificiais e humanos (alunos e professores) interagem com vistas a ajudar aprendizes humanos a resolver problemas em um determinado domí­nio de conhecimento. Nesse sentido, esse modelo propõe-se a ajudar os aprendizes durante as várias fases para a construção de uma solução, incluindo a análise do problema. Para tanto, modelou-se três categorias de interações: o agente aprendiz humano, o professor e o agente tutor artificial. Neste trabalho, propõe-se uma plataforma para construção de ambientes interativos de aprendizagem baseados em Agentes, dando suporte tanto de um framework, para os engenheiros de software/desenvolvedores, quanto de um sistema de autoria para os usuários não programadores poderem configurar o domí­nio de ensino. Além disso, tal plataforma possui ferramentas de colaboração, infraestrutura baseada em ontologia e uma sociedade de agentes que auxiliam na modelagem do domí­nio e resolução de problemas (através de técnicas de Inteligência Artificial). A fim de experimentar e validar a plataforma proposta foram desenvolvidos dois estudos de casos, um na área de direito e o outro em medicina, além de ter sido iniciado um investimento em matemática.

Although the positive aspects that Internet possesses and the potential it permits, there is a problematic that consists on finding needed pieces of information among the deluge of available documents on the web. Tools that are able to semantically treat the information contained in the documents which follows a structure only focused on data presentation are still lacking. The MASTER-Web system solves the problem of integrated extraction of content-pages that belong to classes which form a cluster. In this context, we propose the extension of this tool to the scientific articles classification based on ontologies. To achieve this goal, an ontology for the Artificial Intelligence domain was constructed and rule-based classification strategies were adopeted. The approach presented here employs this ontology and textual classification techniques to extract useful pieces of information from the articles in order to infer to which themes it is about. This combination led to significative results: e.g. in the texts, the system is able to identify the specific subdivisions of AI and entails conclusions, distinguishing correctlly the themes of the articles from the ones that are briefiy mentioned in the texts. The application of simple techniques and a detailed ontology lead to promising classification results, independently of the document structure, proposing an eficient and plausible solution. Coordenação de Aperfeiçoamento de Pessoal de Ní­vel Superior Apesar dos aspectos positivos que a Internet possui e do potencial que permite, existe a problemática, que consiste em encontrar a informação necessária em meio a uma enorme quantidade de documentos disponí­veis na rede. Faltam, ainda, ferramentas capazes de tratar semanticamente a informação contida em documentos que seguem uma estrutura preocupada apenas com a exibição dos seus dados. O sistema MASTERWeb, resolve o problema da extração integrada de pá¡ginas-conteúdo pertencentes às classes que integram um grupo (cluster ). Neste contexto propomos a extensão dessa ferramenta para a classificação de artigos científicos baseada em ontologias. Para isso foi construída uma ontologia do domí­nio de Inteligência Artificial e adotadas estratégias de classificação utilizando sistemas de regras. A abordagem apresentada aqui, emprega esta ontologia e técnicas de classificação textual para extrair dos artigos informações úteis, e daí­ inferir sobre os temas tratados nestes artigos. Essa combinação conduziu a resultados bastante significativos: por exemplo, o sistema é capaz de identificar no texto as subáreas de IA que ele aborda e deriva conclusões, distinguindo os assuntos tratados pelo artigo daqueles que são brevemente citados no texto. A aplicação de técnicas simples e uma ontologia bem formada levam a resultados de classificação promissores, independentemente da estrutura do documento, propondo uma solução eficiente e plausí­vel.