UM SISTEMA MULTIAGENTE PARA CONTROLE DE UM ASSISTENTE PESSOAL APLICADO A UM AMBIENTE VIRTUAL DE APRENDIZAGEM

Abstract

The use of virtual environments brings new challenges to the area of Computers in Education. Among them, we can highlight the design of system that make it easier for the student to access and manage the large volume of information available. In this context, this paper presents a personal assistant whose goal is to give students support in the use of virtual learning environments, providing the necessary assistance for each student profile. The personal assistant, modeled in a multiagent approach, is part of a society in which each agent controls a specific function, and a mediator agent defines which of them should act in each moment.

Full text

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
UM SISTEMA MULTIAGENTE PARA CONTROLE DE UM
ASSISTENTE PESSOAL APLICADO A UM AMBIENTE VIRTUAL
DE APRENDIZAGEM
Eliseo Reategui – FACED/UFRGS – eliseoreategui@gmail.com
Alexandre Ribeiro – DEIN/UCS – aribeiro@ucs.br
Elisa Boff – DEIN/UCS – eboff@ucs.br
Resumo. A crescente inserção dos ambientes virtuais no processo de aprendizagem vem
trazendo novos desafios a área de Informática na Educação. Entre eles, está o projeto de
ambientes que facilitam ao aluno o acesso ao grande volume de informações. Neste contexto,
este artigo apresenta um assistente pessoal cujo objetivo é dar apoio aos alunos na utilização
dos ambientes virtuais de aprendizagem, fornecendo o suporte apropriado a cada perfil de
aluno. O assistente pessoal, modelado em uma abordagem multiagente, faz parte de uma
sociedade na qual cada agente controla uma funcionalidade específica, e um agente mediador
define qual deles deve entrar em ação a cada momento.
Palavras-chave: sistemas multiagente, agentes de interface, sistemas de recomendação,
ambientes virtuais de aprendizagem.
A MULTIAGENT SYSTEM TO CONTROL A VIRTUAL
CHARACTER APPLIED TO A VIRTUAL LEARNING
ENVIRONMENT
Abstract. The use of virtual environments brings new challenges to the area of Computers in
Education. Among them, we can highlight the design of system that make it easier for the
student to access and manage the large volume of information available. In this context, this
paper presents a personal assistant whose goal is to give students support in the use of virtual
learning environments, providing the necessary assistance for each student profile. The
personal assistant, modeled in a multiagent approach, is part of a society in which each agent
controls a specific function, and a mediator agent defines which of them should act in each
moment.
Keywords: multiagent systems, interface agents, recommender systems, virtual learning
environments.
1. Introdução
No contexto nacional e internacional, estamos presenciando um verdadeiro “boom” na
utilização dos ambientes virtuais de aprendizagem como repositórios de conteúdo e
ferramentas de comunicação entre professores e alunos (PALOFF e PRATT, 2001).
Alguns alunos mais familiarizados com as tecnologias, rapidamente se apropriam destes

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
ambientes computacionais e passam a utilizá-los com grande desenvoltura. Outros
menos familiarizados com as tecnologias, podem se mostrar relutantes na utilização
destes ambientes (BARAJAS e OWEN, 2000).
Nos países em desenvolvimento nos deparamos ainda com outros problemas, como o
fato de que muitos estudantes não têm as habilidades técnicas necessárias para
utilizarem os ambientes virtuais de aprendizagem. A escassez de pontos com acesso à
internet ou a largura de banda inadequada são outras dificuldades identificadas
(SELLAMI, 2005).
Este artigo apresenta um agente de interface personificado cujo objetivo é dar apoio aos
alunos na utilização dos ambientes virtuais de aprendizagem, fornecendo o suporte
apropriado a cada perfil de aluno. Neste projeto, o agente de interface foi modelado
como um sistema multiagente no qual cada agente controla uma funcionalidade
específica, e um agente mediador define qual deles deve entrar em ação a cada
momento.
O uso de agentes de interface na educação tem se mostrado bastante eficaz nos
processos de aprendizagem (PANDZIC et. al. 1999), sendo este um fator motivador
para o desenvolvimento do projeto. A partir de informações que se pode obter sobre o
aluno e sua utilização dos ambientes, é possível personalizar a comunicação do agente
de interface com o aluno, fornecendo a este um ambiente mais voltado aos seus
interesses e necessidades (SISON e MASAMICHI, 1998).
Este artigo está organizado da seguinte forma: a próxima seção aborda os sistemas
multiagente e propõe a utilização de uma arquitetura específica para o agente de
interface. A seção 3 apresenta a arquitetura do sistema multiagente que compõe o
assistente pessoal, descrevendo cada um dos agentes projetados. A seção 4 apresenta
detalhes de implementação do assistente pessoal desenvolvido para o ambiente virtual
de aprendizagem, e a última seção do artigo apresenta considerações finais sobre o
projeto.
2. Os sistemas multiagente (SMA)
Na concepção de (WOOLDRIDGE, 2002) um agente é uma entidade com capacidade
de resolução de problemas encapsulada e possui as propriedades de (i) reatividade,
capacidade de manter a interação com o ambiente, como, por exemplo, observar e
realizar ações no mundo; (ii)
pró-atividade, capacidade de tomar iniciativa,
caracterizando um comportamento orientado a objetivos; (iii) habilidade social, ser
capaz de realizar ações sociais como comunicação e cooperação, para completarem a
resolução de seus problemas, seja ele o auxílio de outros agentes (humanos ou
computacionais) ou a decisão de interações apropriadas e (iv) autonomia, possibilidade
de operar sem a intervenção direta de outros (possivelmente humanos) agentes e
controlar totalmente suas ações e estado interno. Na literatura pode-se encontrar um
conjunto maior de características desejáveis a um agente, a saber: Mobilidade,
Comunicação, Conhecimento interno, Conhecimento externo, Objetivos e planos,
Criatividade, Personalidade, Continuidade temporal, Benevolência, Motivação,
Aprendizagem, Cooperação e Veracidade.
Em um SMA os agentes são construídos com seus objetivos e suas capacidades (como,
por exemplo, interagir e cooperar) e, a partir daí, são colocados em uma sociedade para

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
juntos resolverem um problema. O comportamento de cada sistema emerge do trabalho
conjunto desta sociedade. Assim, a área de pesquisa em sistemas multiagente pode ser
definida como o estudo de sociedades de agentes autônomos artificiais.
A abordagem multiagente vem sendo utilizada como uma alternativa eficiente na
modelagem de ambientes virtuais de aprendizagem mais interativos, dotados de
recursos que possibilitem ao aluno um aprendizado mais dinâmico. Além disso,
segundo (OLIVEIRA, 1996), os princípios dos SMA mostram-se bastante adequados ao
desenvolvimento de ambientes computacionais de ensino, tendo em vista que o
problema de ensino-aprendizagem é de natureza social e cooperativa.
3. Arquitetura do sistema multiagente que compõe o Assistente Pessoal
O sistema multiagente que compõe o Assistente Pessoal foi organizado em diferentes
módulos, cada um destinado a uma função específica, a saber: comunicação, feedback,
recomendação, monitoramento e interação. A figura 1 mostra os diferentes agentes que
constituem cada um dos módulos.
Figura 1: Componentes do sistema multiagente
Alguns destes agentes são extremamente simples, necessitando apenas de um conjunto
de consultas a determinadas tabelas de um banco de dados para aportarem seus
resultados. São exemplos destes componentes os agentes de feedback e de
monitoramento. Já o agente de comunicação em linguagem natural ou o agente de
recomendação colaborativa são bastante complexos, necessitando de mecanismos bem
mais elaborados para seu funcionamento. As subseções a seguir detalham cada um dos
módulos definidos e seus respectivos agentes.
3.1. O Módulo de Comunicação
O módulo de comunicação é responsável pela apresentação de avisos importantes ao
aluno bem como pela capacidade do personagem em dialogar com o aluno em
linguagem natural. Este módulo é composto por dois agentes, apresentados a seguir.
3.1.1. O agente de avisos

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
O agente de avisos tem o objetivo de apresentar recados importantes ao aluno. Dentro
do contexto do ambiente virtual de aprendizagem no qual o agente está inserido, duas
fontes são consultadas para obtenção dos avisos: o mural dos cursos nos quais o aluno
está inscrito, bem como as mensagens instantâneas recebidas pelo aluno e que são
internas ao ambiente virtual de aprendizagem.
3.1.2. O agente de comunicação em linguagem natural
O agente de comunicação em linguagem natural utiliza a linguagem de representação
AIML - Artificial Intelligence Markup Language, ou Linguagem de Marcação de
Inteligência Artificial (WALLACE 2003) - para receber perguntas do aluno e retornar
respostas apropriadas. O sistema armazena estímulos (frases e fragmentos) que podem
ser utilizados para questionar o assistente, empregando-os na busca por respostas
previamente estabelecidas. Vários destes sistemas estão disponíveis na web sob licença
GPL. A idéia é que um deles seja empregado e adaptado para as necessidades do portal.
Alguns dos principais marcadores da linguagem são:
<aiml>: tag de início de documento
<categoria>: tag que marca as unidades de conhecimento em uma base
<pattern>: utilizado para conter um padrão que será buscado nos diálogos que os
usuários entrarão para se comunicar com o assistente
<template>: contém as respostas às entradas feitas pelo usuário.
Além dos marcadores já existentes para descrever conhecimento em AIML, o agente
emprega um mecanismo complementar que permite o controle a mudança de imagens
que refletem os diferentes estados de espírito do personagem (feliz, receptivo,
incomodado, etc.). Deste modo, ao introduzir uma pergunta ao assistente (i.e. um
estímulo), o assistente busca em sua base uma resposta apropriada e a apresenta,
trocando de estado quando necessário. Um banco de frases genérico foi desenvolvido
para o personagem, falando sobre o ambientes virtuais de aprendizagem e sua
utilização. A estrutura deste banco permite que, com bastante facilidade, sejam
agregados novos conhecimentos (frases, respostas) relacionados aos diversos assuntos
que se queira tratar. A figura 2 mostra um exemplo de interação com o personagem
virtual no qual ele responde uma questão específica sobre envio de mensagens pelo
correio do ambiente virtual de aprendizagem.
3.1.3 Agente de notícias
O agente de notícias tem o objetivo de encaminhar notícias ao usuário. Um mecanismo
hierárquico organiza os feeds de notícias e os distribui aos destinatários. O agente é
responsável por receber os feeds e “negociar” sua apresentação com outros agentes que
também buscam levar os mais diversos tipos de informação ao usuário.
3.2. O Módulo de Feedback
Este módulo tem o objetivo de informar o aluno de que o professor, ou outros alunos,
deram alguma resposta com relação a alguma atividade realizada. O módulo é composto
por dois agentes apresentados a seguir.
3.2.1. O agente de feedback dos formadores: 3

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
Este agente é responsável por avisar o aluno de que o formador revisou/comentou
alguma tarefa postada. O agente consulta a lista de tarefas colocadas no webfólio e
verifica se o professor postou algum comentário ainda não consultado pelo aluno,
avisando-o apropriadamente.
3.2.2. O agente de feedback dos alunos: 4
Este agente tem o mesmo funcionamento do agente de feedback dos formadores (item
3.2.1). No entanto, para determinado aluno, ele verifica a existência de comentários e
feedbacks de outros alunos para as atividades postadas.
3.3. O Módulo de Monitoramento
O módulo de monitoramento visa supervisionar os bancos de dados do sistema
verificando se o aluno está realizando as tarefas propostas e participando de outras
atividades, como discussões em fóruns, bate-papo, entre outras. O módulo é composto
pelos agentes apresentados nas próximas subseções.
3.3.2. O agente de monitoramento de atividades
Este agente é responsável por avisar o aluno que atividades estão pendentes, caso isso
ocorra. O agente consulta a lista de atividades existente no webfólio e verifica se para
alguma delas o prazo para postagem está próximo e o aluno ainda não a entregou.
Também devem ser levados em consideração materiais disponibilizados para leitura (ou
acesso) e que ainda não tenham sido consultados.
3.3.3. O agente de monitoramento do correio
O agente de monitoramento do correio informa o aluno de mensagens recebidas e ainda
não consultadas.
3.3.4. O agente de monitoramento do bate-papo
O agente de bate-papo avisa o aluno de datas de bate-papo próximas da data atual.
3.3.5. O agente de monitoramento do fórum
Este agente é responsável por informar o aluno de novas respostas a mensagens suas
postadas no fórum, ou a seqüência de discussões das quais o aluno já tenha participado.
3.3.1. O agente de monitoramento do ambiente
Quando o aluno não acessa o ambiente regularmente, de acordo com uma taxa de
freqüência estabelecida pelo professor no módulo de administração, o agente adverte o
aluno que sua participação está muito baixa, e que este deveria participar mais.
3.4. O Módulo de Recomendação
O módulo de recomendação tem o objetivo de recomendar materiais de apoio para o
aluno como tarefas de reforço à aprendizagem, e também sugerir leituras e outras
atividades de acordo com o que é observado na comunidade de alunos. As próximas
subseções descrevem com mais detalhe os dois agentes de recomendação.
3.4.1. O agente de recomendação colaborativa
Este módulo emprega um sistema de recomendação para identificar e sugerir tópicos de
interesse dos alunos. Em tempo real, ele identifica padrões nas leituras e atividades

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
complementares mais acessadas pela comunidade de alunos, e utiliza estes padrões para
sugerir materiais relacionados aos tópicos de estudo atuais do usuário.
Uma das técnicas mais antigas utilizadas pelos sistemas de recomendação é conhecida
como filtragem colaborativa (HERLOCKER, 2004). Esta técnica prevê as preferências
de um usuário com base nas preferências de outros com comportamento semelhante.
Hoje em dia os sistemas de recomendação já migraram dos laboratórios de pesquisa
para o mercado da internet, e podem ser encontrados em grandes websites como o da
livraria Amazon.com ou da loja de discos CDNow.com (SCHAFER, 2000) . Na
Educação, contudo, não há tantos registros de utilização dos sistemas de recomendação.
Geyer-Schulz et al.(2001), por exemplo, exploram o potencial dos sistemas de
recomendação na educação com relação à melhoria da comunicação entre
professor/aluno, à redução da sobrecarga de informação, à personalização e construção
de equipes. Reategui et al. (2007) apresentam um agente pedagógico capaz de fazer
recomendação de conteúdos a partir de padrões de navegação identificados nos logs de
um ambiente virtual de aprendizagem.
Nosso agente de recomendação utiliza a técnica tradicional de Filtragem Colaborativa,
que pode ser descrita em três fases:
1. Cálculo da similaridade de cada usuário do sistema com o usuário alvo (métrica
de similaridade).
2. Seleção de um subconjunto de usuários com maiores similaridades (vizinhos).
3. Cômputo das predições considerando os itens acessados/avaliados pelos
vizinhos mais próximos.
Esta técnica também é chamada de “k-nearest-neighbor” ou “k-vizinhos mais
próximos”. No primeiro passo, a definição da similaridade pode ser realizada através de
diversos coeficientes, sendo mais comumente aplicado o coeficiente de correlação de
Pearson (SCHARDANAN e MAES, 1995).
3.4.2. O agente de recomendação de materiais de apoio
Este agente é responsável por recomendar materiais de apoio relacionados a alguma
atividade que o aluno não consegue realizar. Isso é feito através de orientações de aula
que o professor pode registrar e suas conexões com o material de apoio.
3.5. O Módulo de Interação
O módulo de interação é responsável por promover a interação entre alunos em duas
situações distintas, para as quais foram concebidos os agentes específicos abaixo
descritos.
3.5.1. O agente de regulação da colaboração
Slavin (1991) mostrou em vários experimentos as vantagens da colaboração com
relação à realização de atividades individualmente. Tais estudos deram origem a outros
apontando situações específicas nas quais a colaboração pode ser profícua. Dillenburg
(2000), por exemplo, aponta para a necessidade de organização da colaboração entre
alunos para que as interações sejam são realmente eficazes:
• Estruturação da colaboração: o professor não apenas cria uma atividade e
estabelece os grupos, mas também cria um cenário com várias fases nas quais os

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
alunos devem cumprir determinados papéis.
• Regulação da colaboração: um membro externo monitora a interação do grupo e
garante que todos os membros participam ativamente.
O agente desenvolvido neste projeto dá suporte à segunda tarefa, ou seja, ele assegura
que todos os membros de um grupo colaboram na realização das atividades propostas.
A principal dificuldade no monitoramento de atividades de grupo é que muitas destas
são desenvolvidas offline, e nestes casos não é possível estabelecer quem foram os
membros que efetivamente participaram no seu desenvolvimento. No entanto, quando
estas são desenvolvidas em ferramentas especialmente concebidas para atividades
colaborativas (e.g. wikis), o monitoramento e alerta a alunos com pouca participação
torna-se possível.
3.5.2. O agente de indicação de tutores
Em certas situações é importante promover a colaboração dos alunos em atividades
individuais, sobretudo para auxiliar alunos com dificuldades. Neste contexto, três
requisitos são necessários (BOFF et al., 2007):
• Encontrar um estudante capacitado e disposto a colaborar como tutor;
• Incentivar a criação de um grupo entre o “aluno tutor” e o “aluno em
dificuldades”;
• Prover ferramentas para permitir a comunicação.
O agente de indicação de tutores busca identificar situações nas quais um aluno poderia
se beneficiar da interação com outro aluno tutor. Tal situação poderia ser identificada,
por exemplo, quando a data limite para postar uma atividade se aproxima e determinado
aluno já consultou a tarefa diversas vezes sem ainda tê-la concluído.
O algoritmo de indicação de tutores utilizado neste trabalho é baseado nos atributos
humor, performance, aceitação e número de interações envolvendo o aluno. Tais
cálculos envolvem a quantificação de fatores psicológicos e de personalidade em
conjunto com o histórico pedagógico do aluno. Em Reategui et al. (2006) mais detalhes
sobre este algoritmo podem ser encontrados.
3.6. O Agente Mediador
O agente mediador tem o principal objetivo de organizar as intervenções dos diversos
agentes que compõem o assistente pessoal de modo que a comunicação com o usuário
não fique desordenada, com intervenções erráticas e descontinuadas. Trata-se portanto
de um mecanismo de coordenação centralizado, no qual um único agente tem como
função decidir qual dos outros deve entrar em ação.
Através de um mecanismo de pesos, o agente mediador estabelece prioridades entre os
agentes, definindo a ordem com que estes podem atuar. Por default, o agente com maior
nível de prioridade no sistema é o agente de comunicação em linguagem natural,
seguido dos agentes do módulo de monitoramento. No entanto, qualquer formador pode
alterar esta ordem de prioridades no contexto de sua(s) disciplina(s), influenciando o
modo com que o agente mediador filtra e encaminha aos estudantes as informações
consideradas mais importantes.

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
4. Aspectos de Implementação
Um agente de interface com as características descritas acima encontra-se em
desenvolvimento para ser integrado ao portal acadêmico da Universidade de Caxias do
Sul, o UCSvirtual. O ambiente virtual de aprendizagem disponível neste portal possui
uma estrutura comum a outros AVAs, como por exemplo:
• Mural: presente na página de acesso ao AVA, possibilita ao professor postar
recados para a turma;
• Cronograma: página onde é apresentado o planejamento das atividades ao longo da
disciplina, contendo uma breve descrição do que será tratado em cada aula, com
links para as orientações da aula;
• Projeto da disciplina: dados da disciplina, envolvendo ementa, programa,
metodologia, avaliação e bibliografia (básica e complementar);
• Orientações: diretrizes estabelecidas para cada aula sobre a metodologia e
avaliação empregadas na turma;
• Participantes: professor(es), alunos e monitor (quando existir). Através da página
de participantes, também pode-se enviar mensagens instantâneas aos demais
membros da turma;
• Acervo: material disponibilizado pelo professor, podendo ficar no âmbito da turma
ou da disciplina, ficando neste último caso acessível aos alunos do conjunto de
turmas de uma mesma disciplina;
• Fórum: sistema de fóruns para fomentar discussões e trocas de idéias entre
professor e alunos de uma turma;
• Sala de bate-papo: chat para conversas síncronas entre os membros da turma;
• Webfólio: sistema de entrega de trabalhos que permite ao professor dar retorno
para o aluno através do próprio ambiente.
O assistente pessoal foi implementado em AJAX, ficando ativo em quaisquer dos
módulos acima listados. No exemplo ilustrado na figura 2, o assistente faz uma
saudação ao aluno e lhe apresenta um recado: “A próxima avaliação de matemática
será no dia 30 de abril”. Em seguida, responde a algumas questões elaboradas em
linguagem natural.

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
Figura 2: Interação do Assistente Pessoal com aluno fictício de nome Roberto
Note que pelo menos 3 agentes entram em ação para realizar esta interação com o
aluno: (1) o agente de avisos traz uma comunicação importante no momento em que o
estudante se conecta no sistema; (2) o agente de comunicação em linguagem natural é
acionado cada vez que o aluno entra com uma questão e pressiona o botão “Enviar
Pergunta”; (3) o agente mediador, operando de forma invisível, seleciona a informação
que será levada ao usuário a cada momento advinda dos mais diversos agentes.
A complexidade do sistema aumenta na medida em que mais agentes buscam
informações relevantes para encaminhá-las ao agente mediador. Em situações
experimentais, não houve degradação da performance do sistema devido à interação
constante dos agentes. No entanto, testes de desempenho mais rigorosos deverão ser
realizados antes que o sistema seja disponibilizado para acesso por milhares de
estudantes.
5. Considerações Finais
Os agentes de interface têm sido cada vez mais empregados para criar formas de
interação amigáveis com o usuário, introduzindo componentes afetivos que alteram a
forma com que o usuário percebe sua comunicação com a máquina. Nos anos 1990,
Pattie Maes (1994) já apontava que através dos agentes de interface, o usuário poderia
interagir com os sistemas computacionais e ser engajado em um processo cooperativo
no qual homem e máquina poderiam iniciar a comunicação um com o outro, monitorar
eventos e realizar tarefas. Tal forma de interação era fundamentada na metáfora de um
ajudante que colaborava com o usuário no mesmo ambiente de trabalho.
Neste trabalho, foi proposto um agente de interface capaz de atuar como assistente do
aluno em um ambiente virtual de aprendizagem. Além de consistir em um fator
motivacional para os alunos, o que pode ter um papel fundamental nos processos de
aprendizagem (HUITT, 2001), o agente de interface proposto oferece serviços bastante
úteis, respondendo questões, monitorando a realização das atividades e alertando o
aluno de eventuais atrasos, recomendando materiais de apoio e promovendo a interação
entre alunos.

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
Em Pan et al (2005) os autores apresentam um ambiente virtual de aprendizagem
mediado por personagens virtuais no qual estes têm um papel fundamentalmente
motivacional. A principal diferença destes com o modelo de personagem apresentado
neste trabalho é que, além de servir com um elemento motivacional, nosso agente de
interface é baseado em serviços (alertas, monitoramento, recomendações, etc), buscando
dar apoio às atividades do usuário.
A utilização de um agente pedagógico junto aos ambientes virtuais de aprendizagem
reforça a importância da dimensão sócio-afetiva nos componentes da interface do
sistema. Na educação, a ênfase dada a esta dimensão torna-se ainda mais importante,
sabendo-se da relevância da afetividade e das trocas sociais nos processos de
aprendizagem (VYGOTSKY, 1987). Em um manifesto, Picard et al. (2004)
argumentam que nos últimos anos muitas evidências foram encontradas apontando que
cognição e afetividade juntas guiam o comportamento racional, a busca de fatos na
memória, a criatividade e a tomada de decisão. Enfatizam a necessidade de se
desenvolver teorias e tecnologias nas quais cognição e afetividade são integradas de
modo apropriado.
Apesar de todos os benefícios relacionados ao uso dos agentes de interface, sua
utilização pode eventualmente perturbar o usuário habituado a uma interface na qual
não existe nenhum mediador. Dentro desta perspectiva, o design destes agentes ainda
possui muitos desafios, tais como decidir qual o nível de controle a ser delegado ao
agente e como desenvolver a confiança do usuário no agente.
6. Referências
BARAHAS, M., OWEN, M. (2000). Implementing Virtual Learning Environments:
Looking for Holistic Approach. Educational Technology & Society 3(3) 2000.
Disponível em: http://ifets.fit.fraunhofer.de/periodical/vol_3_2000/barajas.html
BOFF, E., VICARI, R. M., FLORES, C. D., REATEGUI, E. B. (2007) A Probabilistic
Agent to support Collaboration in a Medical Learning Environment. In: 13th Portuguese
Conference on Artificial Intelligence, Guimarães. 4th Workshop on Multi-Agent
Systems: Theory and Applications, 2007.
DILLENBURG, P. 2000. Virtual Learning Environments. Proc. of EUN Conference
2000 - Workshop on Virtual Learning Environments. Disponível em:
http://tecfa.unige.ch/tecfa/publicat/dil-papers-2/Dil.7.5.18.pdf
GEYER-SCHULZ, A., HAHSLER, M., JAHN, M. (2001). Educational and scientific
recommender systems: Designing the information channels of the virtual university.
International Journal of Engineering Education, 17(2), 153-163.
HERLOCKER, J. L. et al. (2004). Evaluating Collaborative Filtering Recommender
Systems. ACM Transactions on Information Systems, New York, v.22, n.1, p. 5-53.
Jan.
HUITT, W. (2001). Motivation to learn: An overview. Educational Psychology
Interactive. Valdosta, GA: Valdosta State University. Disponível em:
http://chiron.valdosta.edu/whuitt/col/motivation/motivate.html
MAES, P. (1994). Agents that reduce work and information overload. Communications

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
of the ACM, 37(7):31–40.
OLIVEIRA, F. M.; VICARI, R. M. (1996) “Are learning systems distributed or social
systems.” In: European Conference on AI in Education. Lisbon: [s.n].
PALOFF, R. M., PRATT, K. (2001). Lessons from the Cyberspace Classroom. 17th
Annual Conference on Distance Teaching and Learning. Madison, Wisconsin, August
8-10, 2001.
PAN, Z., ZHU, J., ZHANG, M., HU, W. Collaborative Virtual Learning Environment
Using Synthetic Characters. Advances in Web-Based Learning – ICWL 2005. Lecture
Notes in Computer Science, Volume 3583. Bernlin/Heidelberg: Springer. 2005.
PANDZIC, I. S., OSTERMANN, J. and MILLEN, D. (1999). User Evaluation:
Synthetic Talking Faces for Interactive Services. The Visual Computer, Springer
Verlag, vol. 15. pp. 330–340.
PICARD, R. W., PAPERT, S., BENDER, W., BLUMBERG, B., BREAZEAL, C.,
CAVALLO, D., MACHOVER, T., RESNICK, M., ROY, D., STROHECKER, C.
Affective Learning: A manifesto. BT Technology Journal, Vol 22, No 4. October 2004
REATEGUI, Eliseo; BOFF, Elisa; CERON, Rafael Fernando; VICCARI, Rosa Maria.
Um Agente Animado Sócio-Afetivo para Ambientes de Aprendizagem. Revista
Brasileira de Informática na Educação – Edição Especial Aprendizagem Colaborativa.
v. 14 n.3. Setembro-Dezembro de 2006. p27-38.
REATEGUI, E. ; BOFF, Elisa ; CAMPBELL, J. A. . Using a Virtual Character in
Personalized Recommendations. In: Technical Symposium on Computer Science
Education, 2007, Covington, Kentucky, USA. Proceedings of ACM SIGCSE 2007,
2007. p. 180-184.
SCHAFER, J.B. et al. (2000). Recommender Systems in E-Commerce. In: ACM
CONFERENCE ON E-COMMERCE, 2., 2000, Minneapolis. Proceedings... New
York: ACM Press, 2000.
SELLAMI, H.M. Some difficulties in distance learning in developing countries. ICALT
2005. Fifth IEEE International Conference on Volume Advanced Learning
Technologies, 5-8 July 2005. Page(s): 1005 - 1006.
SHARDANAND, U; MAES, P. (1995). Social information filtering: Algorithms for
automating "word of mouth”, In: Proceedings of Human Factors in Computing Systems,
p. 210-217.
SISON, R. e MASAMICHI, S. (1998). Student Modeling and Machine Learning.
International Journal of Artificial Intelligence in Education, 9, 128-158.
SLAVIN, R.E. (1991) Cooperative learning: theory, research and practice. Englewoods
Cliffs, NJ: Prentice Hall.
VYGOTSKY, L. S. The collected works of L. S. Vygotsky. New York: Plenum Press,
c1987-c1999 v. 1-6.
WALLACE, R. (2003). "The Elements of AIML Style", ALICE A. I. Foundation.
WOOLDRIDGE, M. (2002) An introduction to multiagent systems. Chichester: J.

CINTED-UFRGS Novas Tecnologias na Educação
________________________________________________________________________________________
V. 6 Nº 1, Julho, 2008_________________________________________________________________
Wiley, 2002. 348 p.