Aprimoramento das habilidades cognitivas de resolução de problemas com o apoio de um agente conversacional

Abstract

Uma questão que se apresenta relevante, nesta tese, é que na maioria das vezes, o estudante, principalmente, o novato, demonstra grande dificuldade na aprendizagem baseada na resolução de problemas. Portanto, este precisa de monitoração, isto exige um apoio de entidades ou pessoas mais experientes. Percebe-se que, muitas vezes, por falta de domínio na área do conhecimento tratada, o estudante não analisa minuciosamente os dados do problema para poder conduzir objetivamente cada etapa de solução. Várias habilidades cognitivas são exigidas durante o processo de resolução de problemas, como por exemplo, codificação, comparação e combinação, componentes cognitivos significativos detectados em estudantes talentosos. A aprendizagem por meio do processo de resolução de problemas num ambiente online pode ampliar o pensamento crítico e aprimorar a tomada de decisão. Nesta pesquisa, foi criado um agente conversacional chamado Blaze, com o intuito de apoiar o estudante durante a aprendizagem autorregulada baseada na resolução de problemas. O agente foi desenvolvido com a linguagem de marcação AIML (Artificial Intelligence Markup Language), tendo sua base de conhecimento construída por meio da elicitação e representação dos processos cognitivos dos estudantes talentosos, alunos medalhistas da Olimpíada Brasileira de Matemática das Escolas Públicas. Utilizou-se a técnica de Raciocínio Baseado em Casos para permitir a recuperação e reutilização de experiências passadas dos estudantes talentosos. Foram realizados tantos experimentos com outros estudantes de graus de escolaridades distintos (2ª série do ensino médio, Licenciatura em Ciências e Licenciatura em Matemática) com o objetivo de investigar o engajamento e o aprimoramento das habilidades cognitivas destes durante a resolução dos problemas com a assistência do agente conversacional Blaze. Nestes experimentos, alguns estudantes interagiram com o agente Blaze durante o processo de resolução de problemas matemáticos, enquanto outros trabalharam sozinhos na resolução dos mesmos problemas. Os resultados obtidos nos experimentos permitiram verificar que o apoio do agente conversacional Blaze, no contexto de uma aprendizagem autorregulada durante a resolução de problemas, contribuiu qualitativamente para o aprimoramento de diversas habilidades cognitivas, como por exemplo, pensamento crítico, pensamento criativo, raciocínio lógico, bem como, permitiu o uso da metacognição.

A relevant issue raised in this paper is that most times students, especially inexperienced ones, show great difficulty for learning based on problem solving. Therefore, such students need to be monitored, which requires support from entities or more experienced people. Many times we see that due to students’ lack of mastery of the field of knowledge addressed, they fail to thoroughly analyze the problem data so as to objectively handle each stage of the solution. Several cognitive skills are required during the problem-solving process, such as coding, and comparison and combination, significant cognitive components detected in talented students. Learning by means of a problem-solving process in an online environment is capable of expanding critical thinking and improving students’ decision-making skills. In this research, a conversational agent we call Blaze was created in an effort to help students during their self-regulated, problem solving-based learning. The agent was developed via the AIML (Artificial Intelligence Markup Language), and its knowledge base was put together by means of eliciting and representing the cognitive processes of talented students, students who had won medals at the Brazilian Public School Mathematics Olympic Games. We used the Case-Based Reasoning technique to enable us to recover and reuse the talented students’ past experiences. Some other experiments were carried out with other students from various schooling levels (high school sophomores, and Science and Math undergrads) in order to look into those students’ engagement and improvement of their cognitive skills as they solved problems assisted by the Blaze conversational agent. In those experiments, some students interacted with the Blaze agent during the math problem-solving process, while other students worked alone on solving the same problems. The results obtained from the experiments allowed us to find that the support from the Blaze conversational agent, in the context of self-regulated learning during problem-solving, qualitatively helped the students improve their several cognitive skills, such as critical thinking, creative thinking, and logic reasoning, besides enabling the use of meta-cognition.