999 resultados para Agentes inteligentes
Resumo:
Peer-reviewed
Resumo:
Cuando las empresas evalan los resultados de su planeacin estratgica y de mercadeo se enfrentan en numerosas ocasiones al escepticismo sobre cmo dicha planeacin favoreci o afect la percepcin hacia la empresa y sus productos. Este proyecto propone por medio del uso de una herramienta de simulacin computacional reducir el factor de incertidumbre de LG Electronics en el valor percibido de marca por la poblacin de Bogot D.C. en cada una de sus lneas de producto; el grado de inversin en mercadeo, publicidad, distribucin y servicio. Para ello los consumidores son modelados como agentes inteligentes con poder de recomendacin, quienes se basan principalmente en la experiencia generada por el producto y en el grado de influencia de las estrategias de mercadeo que afectan su decisin de compra, de preferencia y de permanencia. Adicionalmente se mide la retribucin en utilidades y en recordacin de marca de las inversiones en mercadeo que la compaa realiza.
Resumo:
Al hacer la evaluacin de los resultados asociados con procesos de planeacin estratgica y mercadeo en las empresas, la direccin enfrenta un cierto nivel de incertidumbre al no saber si estos planes afectaron positiva o negativamente la posicin de la empresa en su entorno. El presente trabajo hace uso de una herramienta de simulacin basada en agentes inteligentes para reducir el mencionado factor de incertidumbre, en este caso, para la empresa Corgranos S.A. Se espera modelar el comportamiento de los grupos poblacionales directa e indirectamente involucrados con la empresa para as afinar los esfuerzos que se efectan sobre cada uno de ellos, siendo la diferencia entre las suposiciones iniciales y los resultados de la simulacin el verdadero aporte del trabajo.
Resumo:
La sociedad moderna se enfrenta diariamente a una avalancha de informacin de crecimiento exponencial, debida a la generacin constante de nuevas fuentes de informacin que la producen de forma muchas veces automtica y, por tanto, a un ritmo capaz de desbordar a cualquier individuo. Este crecimiento de la informacin generada hace necesario un aumento de la capacidad de filtrado y asimilacin para afrontar la avalancha, seleccionar y aprovechar de ella lo necesario. Los objetivos de este trabajo son estudiar las arquitecturas existentes con vistas a crear un agente inteligente capaz de integrarse en ellas de forma eficaz; facilitar la intercomunicabilidad de sistemas aunque utilicen distintos cdigos de representacin de los objetos docentes que intercambian; ofrecer una capa de abstraccin superior con funcionalidades comunes disponibles para todos los sistemas que cubran las necesidades de comunicacin; basar la propuesta en estndares reconocidos y slidos; estudiar un modelo de nomenclatura para la especificacin de las acciones a realizar por el agente en las diversas situaciones que se presenten y para nombrar e identificar las diferentes entidades participativas en todo el proceso, as como sus relaciones. Para conseguir estos objetivos se realiza un repaso al estado del arte en dos reas principales, los sistemas de teleformacin y los agentes inteligentes.. El mtodo de trabajo tiene los siguientes pasos: desarrollo detallado y concreto del objetivo del que se obtendrn las necesidades a cubrir a partir de los elementos actuales para alcanzar dicho objetivo; anlisis Particularizado y Profundo de los componentes tecnolgicos implicados, adaptados al objetivo, y las necesidades a cubrir con estos componentes; LMS y arquitecturas que deben ser interconectadas. Este estudio ser vital para establecer las necesidades y posibilidades. 99 estndares de intercomunicacin de LMS, sobre los que se realizar la abstraccin a un nivel. Agentes, encargados de la intercomunicacin y soporte de la arquitectura que habilitar a los LMS para la interconexin. Enunciado y justificacin de la propuesta. En su forma definitiva tras el desarrollo y aplicacin de los componentes. Estudio de Viabilidad de la propuesta que llevar a decidir si es factible su implantacin y, de no serlo, que habra de cambiar en los sistemas para que lo fuera..
Resumo:
La coordinaci i assignaci de tasques en entorns distributs ha estat un punt important de la recerca en els ltims anys i aquests temes sn el cor dels sistemes multi-agent. Els agents en aquests sistemes necessiten cooperar i considerar els altres agents en les seves accions i decisions. A ms a ms, els agents han de coordinar-se ells mateixos per complir tasques complexes que necessiten ms d'un agent per ser complerta. Aquestes tasques poden ser tan complexes que els agents poden no saber la ubicaci de les tasques o el temps que resta abans de que les tasques quedin obsoletes. Els agents poden necessitar utilitzar la comunicaci amb l'objectiu de conixer la tasca en l'entorn, en cas contrari, poden perdre molt de temps per trobar la tasca dins de l'escenari. De forma similar, el procs de presa de decisions distribut pot ser encara ms complexa si l'entorn s dinmic, amb incertesa i en temps real. En aquesta dissertaci, considerem entorns amb sistemes multi-agent amb restriccions i cooperatius (dinmics, amb incertesa i en temps real). En aquest sentit es proposen dues aproximacions que permeten la coordinaci dels agents. La primera s un mecanisme semi-centralitzat basat en tcniques de subhastes combinatries i la idea principal es minimitzar el cost de les tasques assignades des de l'agent central cap als equips d'agents. Aquest algoritme t en compte les preferncies dels agents sobre les tasques. Aquestes preferncies estan incloses en el bid enviat per l'agent. La segona s un aproximaci d'scheduling totalment descentralitzat. Aix permet als agents assignar les seves tasques tenint en compte les preferncies temporals sobre les tasques dels agents. En aquest cas, el rendiment del sistema no noms depn de la maximitzaci o del criteri d'optimitzaci, sin que tamb depn de la capacitat dels agents per adaptar les seves assignacions eficientment. Addicionalment, en un entorn dinmic, els errors d'execuci poden succeir a qualsevol pla degut a la incertesa i error de accions individuals. A ms, una part indispensable d'un sistema de planificaci s la capacitat de re-planificar. Aquesta dissertaci tamb proveeix una aproximaci amb re-planificaci amb l'objectiu de permetre als agent re-coordinar els seus plans quan els problemes en l'entorn no permeti la execuci del pla. Totes aquestes aproximacions s'han portat a terme per permetre als agents assignar i coordinar de forma eficient totes les tasques complexes en un entorn multi-agent cooperatiu, dinmic i amb incertesa. Totes aquestes aproximacions han demostrat la seva eficincia en experiments duts a terme en l'entorn de simulaci RoboCup Rescue.
Resumo:
En esta tesis se propone el uso de agentes inteligentes en entornos de aprendizaje en lnea con el fin de mejorar la asistencia y motivacin del estudiante a travs de contenidos personalizados que tienen en cuenta el estilo de aprendizaje del estudiante y su nivel de conocimiento. Los agentes propuestos se desempean como asistentes personales que ayudan al estudiante a llevar a cabo las actividades de aprendizaje midiendo su progreso y motivacin. El entorno de agentes se construye a travs de una arquitectura multiagente llamada MASPLANG diseada para dar soporte adaptativo (presentacin y navegacin adaptativa) a un sistema hipermedia educativo desarrollado en la Universitat de Girona para impartir educacin virtual a travs del web. Un aspecto importante de esta propuesta es la habilidad de construir un modelo de estudiante hbrido que comienza con un modelo estereotpico del estudiante basado en estilos de aprendizaje y se modifica gradualmente a medida que el estudiante interacta con el sistema (gustos subjetivos). Dentro del contexto de esta tesis, el aprendizaje se define como el proceso interno que, bajo factores de cambio resulta en la adquisicin de la representacin interna de un conocimiento o de una actitud. Este proceso interno no se puede medir directamente sino a travs de demostraciones observables externas que constituyen el comportamiento relacionado con el objeto de conocimiento. Finalmente, este cambio es el resultado de la experiencia o entrenamiento y tiene una durabilidad que depende de factores como la motivacin y el compromiso. El MASPLANG est compuesto por dos niveles de agentes: los intermediarios llamados IA (agentes de informacin) que estn en el nivel inferior y los de Interfaz llamados PDA (agentes asistentes) que estn en el nivel superior. Los agentes asistentes atienden a los estudiantes cuando trabajan con el material didctico de un curso o una leccin de aprendizaje. Esta asistencia consiste en la recoleccin y anlisis de las acciones de los estudiantes para ofrecer contenidos personalizados y en la motivacin del estudiante durante el aprendizaje mediante el ofrecimiento de contenidos de retroalimentacin, ejercicios adaptados al nivel de conocimiento y mensajes, a travs de interfaces de usuario animadas y atractivas. Los agentes de informacin se encargan del mantenimiento de los modelos pedaggico y del dominio y son los que estn en completa interaccin con las bases de datos del sistema (compendio de actividades del estudiante y modelo del dominio). El escenario de funcionamiento del MASPLANG est definido por el tipo de usuarios y el tipo de contenidos que ofrece. Como su entorno es un sistema hipermedia educativo, los usuarios se clasifican en profesores quienes definen y preparan los contenidos para el aprendizaje adaptativo, y los estudiantes quienes llevan a cabo las actividades de aprendizaje de forma personalizada. El perfil de aprendizaje inicial del estudiante se captura a travs de la evaluacin del cuestionario ILS (herramienta de diagnstico del modelo FSLSM de estilos de aprendizaje adoptado para este estudio) que se asigna al estudiante en su primera interaccin con el sistema. Este cuestionario consiste en un conjunto de preguntas de naturaleza sicolgica cuyo objetivo es determinar los deseos, hbitos y reacciones del estudiante que orientarn la personalizacin de los contenidos y del entorno de aprendizaje. El modelo del estudiante se construye entonces teniendo en cuenta este perfil de aprendizaje y el nivel de conocimiento obtenido mediante el anlisis de las acciones del estudiante en el entorno.
Resumo:
Com a proliferao de computadores pessoais e a popularizao da Internet, as novas tecnologias da comunicao comeam a provocar impactos no setor educacional, com a promessa de construo de cenrios inovadores, apoiados em diferentes formas de educao baseada na Web. Estas inovaes tecnolgicas aplicadas ao ensino caracterizam a intensificao dos processos de educao distncia como uma das tendncias mais marcantes desse final de milnio. A tendncia destas inovaes crescer e juntamente com a Internet contribuir para a melhoria do ensino e/ou aprendizagem a distncia. A Educao Distncia (EAD) tem sido um termo usado para qualquer forma de estudo em que os alunos no estejam em contato direto com seu professor. Este tipo de ensino pode ser considerado como uma alternativa educacional capaz de propiciar a ampliao de oportunidades educativas, atravs de programas de qualidade. Atualmente, para desenvolver ambientes para o ensino a distncia so utilizados os conceitos de Inteligncia Artificial Distribuda, mais precisamente o conceito de sistemas multiagentes, com a finalidade de aprimorar e monitorar o ensino atravs da Internet. O sistema AME-A proposto por DAmico um exemplo de ambiente que utiliza a tecnologia de multiagentes. Ele constitudo de vrios agentes inteligentes que atuam de forma concorrente e comunicam-se atravs de mensagens. Dessa maneira, transformam o sistema em um conjunto de agentes cooperantes em busca de um objetivo que o de ensinar e/ou aprender. Este trabalho tem como objetivo utilizar o estudo e a abordagem de modelagem do sistema de ensino/aprendizagem definido por DAmico no que se refere ao agente ferramentas para o professor. Prope-se a desenvolver uma ferramenta que ir auxiliar o professor na distribuio de seus conhecimentos na Internet, armazenando as informaes inseridas pelo professor bem como fornecer orientaes a respeito de determinadas operaes que o sistema realiza. Estas orientaes tambm apresentam como foco os seguintes fatores: descrio da importncia da motivao e interatividade num curso a distncia, sugestes de metodologias de ensino que o professor pode usar nas suas aulas, orientaes a respeito de avaliao do aprendizado do aluno, dicas sobre contedos de materiais complementares s aulas e por fim, menciona exemplos de ferramentas em modo texto e multimdia que podem ser utilizadas para comunicao.
Resumo:
Este trabalho um estudo sobre agentes inteligentes e suas aplicaes na Internet. So apresentados e comparados alguns exemplos de software com funcionalidades para extrair, selecionar e auxiliar no consumo de informaes da Internet, com base no perfil de interesse de cada usurio. O objetivo principal deste trabalho a proposio de um modelo geral e amplo de agente para a obteno e manuteno de um repositrio de links para documentos que satisfaam o interesse de um ou mais usurios. O modelo proposto baseia-se na obteno do perfil do usurio a partir de documentos indicados como modelos positivos ou negativos. O ponto forte do modelo so os mdulos responsveis pela extrao de informaes da Internet, seleo quanto a importncia e armazenamento em banco de dados das URLs obtidas, classificadas quanto a usurio, categoria de assunto e assunto. Alm disso, o modelo prev a realizao de freqentes verificaes de integridade e pertinncia dos links armazenados no repositrio. Com base no modelo proposto foi implementado um prottipo parcial. Tal prottipo contempla os mdulos responsveis pela obteno de informaes, seleo das informaes pertinentes e classificao e armazenamento dos links de acordo com o assunto. Finalmente, o prottipo implementado permaneceu em execuo por um determinado perodo, gerando alguns resultados preliminares que viabilizaram uma avaliao do modelo.
Resumo:
Em ambientes dinmicos e complexos, a poltica tima de coordenao no pode ser derivada analiticamente, mas, deve ser aprendida atravs da interao direta com o ambiente. Geralmente, utiliza-se aprendizado por reforo para prover coordenao em tais ambientes. Atualmente, neuro-evoluo um dos mtodos de aprendizado por reforo mais proeminentes. Em vista disto, neste trabalho, proposto um modelo de coordenao baseado em neuro-evoluo. Mais detalhadamente, desenvolveu-se uma extenso do mtodo neuro-evolutivo conhecido como Enforced Subpopulations (ESP). Na extenso desenvolvida, a rede neural que define o comportamento de cada agente totalmente conectada. Adicionalmente, permitido que o algoritmo encontre, em tempo de treinamento, a quantidade de neurnios que deve estar presente na camada oculta da rede neural de cada agente. Esta alterao, alm de oferecer flexibilidade na definio da topologia da rede de cada agente e diminuir o tempo necessrio para treinamento, permite tambm a constituio de grupos de agentes heterogneos. Um ambiente de simulao foi desenvolvido e uma srie de experimentos realizados com o objetivo de avaliar o modelo proposto e identificar quais os melhores valores para os diversos parmetros do modelo. O modelo proposto foi aplicado no domnio das tarefas de perseguio-evaso.
Resumo:
O presente trabalho investiga a relao entre aprendizado e dinmica em sistemas complexos multiagentes. Fazemos isso atravs de estudos experimentais em um cenrio de racionalidade limitada que situa-se na intereseco entre Inteligncia Artificial, Economia e Fsica Estatstica, conhecido como Minority Game. Apresentamos resultados experimentais sobre o jogo focando o estudo do cenrio sob uma perspectiva de Aprendizado de Mquina. Introduzimos um novo algoritmo de aprendizado para os agentes no jogo, que chamamos de aprendizado criativo, e mostramos que este algoritmo induz uma distribuio mais eficiente de recursos entre os agentes. Este aumento de eficincia mostra-se resultante de uma busca irrestrita no espao de estratgias que permitem uma maximizao mais eficiente das distncias entre estratgias. Analisamos ento os efeitos dos parmetros deste algoritmo no desempenho de um agente, comparando os resultados com o algoritmo tradicional de aprendizado e mostramos que o algoritmo proposto mais eficiente que o tradicional na maioria das situaes. Finalmente, investigamos como o tamanho de memria afeta o desempenho de agentes utilizando ambos algoritmos e conclumos que agentes individuais com tamanhos de memria maiores apenas obtm um aumento no desempenho se o sistema se encontrar em uma regio ineficiente, enquanto que nas demais fases tais aumentos so irrelevantes - e mesmo danosos - performance desses agentes.
Resumo:
Durante os ltimos anos as reas de pesquisa sobre Agentes Inteligentes, Sistemas Multiagentes e Comunicao entre Agentes tm contribudo com uma revoluo na forma como sistemas inteligentes podem ser concebidos, fundamentados e construdos. Sendo assim, parece razovel supor que sistemas inteligentes que trabalhem com domnios probabilsticos de conhecimento possam compartilhar do mesmo tipo de benefcios que os sistemas mais tradicionais da Inteligncia Artificial receberam quando adotaram as concepes de agncia, de sistemas compostos de mltiplos agentes e de linguagens de comunicao entre estes agentes. Porm, existem dvidas no s sobre como se poderia escalar efetivamente um sistema probabilstico para uma arquitetura multiagente, mas como se poderia lidar com as questes relativas comunicao e representao de conhecimentos probabilsticos neste tipo de sistema, principalmente tendo em vista as limitaes das linguagens de comunicao entre agentes atuais, que no permitem comunicar ou representar este tipo de conhecimento. Este trabalho parte destas consideraes e prope uma generalizao do modelo terico puramente lgico que atualmente fundamenta a comunicao nos sistemas multiagentes, que ser capaz de representar conhecimentos probabilsticos. Tambm proposta neste trabalho uma extenso das linguagens de comunicao atuais, que ser capaz de suportar as necessidades de comunicao de conhecimentos de natureza probabilsticas. So demonstradas as propriedades de compatibilidade do novo modelo lgico-probabilstico com o modelo puramente lgico atual, sendo demonstrado que teoremas vlidos no modelo atual continuam vlidos no novo modelo. O novo modelo definido como uma lgica probabilstica que estende a lgica modal dos modelos atuais. Para esta lgica probabilstica definido um sistema axiomtico e so demonstradas sua correo e completude. A completude demonstrada de forma relativa: se o sistema axiomtico da lgica modal original for completo, ento o sistema axiomtico da lgica probabilstica proposta como extenso tambm ser completo. A linguagem de comunicao proposta neste trabalho definida formalmente pela generalizao das teorias axiomticas de agncia e comunicao atuais para lidar com a comunicao de conhecimentos probabilsticos e pela definio de novos atos comunicativos especficos para este tipo de comunicao. Demonstra-se que esta linguagem compatvel com as linguagens atuais no caso no-probabilstico. Tambm definida uma nova linguagem para representao de contedos de atos de comunicao, baseada na lgica probabilstica usada como modelo semntico, que ser capaz de expressar conhecimentos probabilsticos e no probabilsticos de uma maneira uniforme. O grau de expressibilidade destas linguagens verificado por meio de duas aplicaes. Na primeira aplicao demonstra-se como a nova linguagem de contedos pode ser utilizada para representar conhecimentos probabilsticos expressos atravs da forma de representao de conhecimentos probabilsticos mais aceita atualmente, que so as Redes Bayesianas ou Redes de Crenas Probabilsticas. Na outra aplicao, so propostos protocolos de interao, baseados nos novos atos comunicativos, que so capazes de atender as necessidades de comunicao das operaes de consistncia de Redes Bayesianas secionadas (MSBNs, Multiple Sectioned Bayesian Networks) para o caso de sistemas multiagentes.
Resumo:
A inteligncia tem sido estudada como fruto de evoluo biolgica. Nas ltimas centenas de milhes de anos, a inteligncia tem evoludo juntamente com a biologia. Essa concluso pode ser obtida ao analisar o comportamento das criaturas que emergiram assim como a sua capacidade de armazenar e processar informao. A evoluo gerou criaturas possuidoras de crebros com grande poder de adaptao. Partindo-se do pressuposto que a inteligncia humana resultado de um processo evolutivo paulatino que ocorreu ao longo de milhes de anos, faz sentido tentar repetir os mesmos passos dados ao longo da evoluo da inteligncia artificialmente. A evoluo oferece uma rota que vai desde tipos de mentes simples at tipos de mentes mais complexas apresentando um caminho de caractersticas e capacidades que evoluram ao longo do tempo. No presente trabalho, acredita-se que esse caminho seguido pela evoluo uma boa fonte de inspirao para a gerao de inteligncia artificial. De acordo com Dennett, um tipo de mente que apareceu ao longo da evoluo a mente popperiana que aprende as regras do ambiente e tem a capacidade de imaginar ou planejar estados futuros permitindo que ela se adapte com facilidade a novas e inesperadas situaes. Sendo assim, modela-se e implementa-se um agente popperiano capaz de aprender as regras do seu ambiente e planejar aes futuras baseando-se no seu aprendizado. Por fim, so implementados dois prottipos de agentes popperianos para resolver problemas distintos e observa-se a capacidade dos agentes popperianos em se adaptar s condies do seu meio para alcanar seus objetivos.
Resumo:
Este trabalho pretende avaliar se possvel elaborar estratgias pedaggicas com base em modelos de nveis de tomada de conscincia e utiliz-las, por meio de agentes inteligentes, em um ambiente de aprendizagem. O ambiente utilizado foi o AMPLIA - Ambiente Multi-agente Probabilstico Inteligente de Aprendizagem, desenvolvido inicialmente como um recurso auxiliar para a educao mdica: neste ambiente, o aluno constri uma representao grfica de sua hiptese diagnstica, por meio de uma rede bayesiana. O AMPLIA formado por trs agentes inteligentes, o primeiro o Agente de Domnio, responsvel pela avaliao da rede bayesiana do aluno. Os projetos dos outros dois agentes inteligentes do AMPLIA so apresentados nesta tese: o Agente Aprendiz, que faz inferncias probabilsticas sobre as aes do aluno, a fim de construir um modelo do aluno baseado em seu nvel de tomada de conscincia, e o Agente Mediador, que utiliza um Diagrama de influncia, para selecionar a estratgia pedaggica com maior probabilidade de utilidade. Por meio de uma reviso dos estudos de Piaget sobre a equilibrao das estruturas cognitivas e sobre a tomada de conscincia, foi construda a base terica para a definio e organizao das estratgias. Essas foram organizadas em classes, de acordo com o principal problema detectado na rede do aluno e com a confiana declarada pelo aluno, e em tticas, de acordo com o nvel de autonomia, inferido pelo Agente Aprendiz. Foram realizados experimentos prticos acompanhados por instrumentos de avaliao e por observaes virtuais on line, com o objetivo de detectar variaes nos estados de confiana, de autonomia e de competncia. Tambm foram pesquisados indcios de estados de desequilibrao e de condutas de regulao e equilibrao durante os ciclos de interao do aluno com o AMPLIA. Os resultados obtidos permitiram concluir que h evidncias de que, ao longo do processo, h ciclos em que o aluno realiza aes sem uma tomada de conscincia. Estes estados so identificados, probabilisticamente, pelo agente inteligente, que ento seleciona uma estratgia mais voltada para um feedback negativo, isto , uma correo. Quando o agente infere uma mudana neste estado, seleciona outra estratgia, com um feedback positivo e com maior utilidade para dar incio a um processo de negociao pedaggica, isto , uma tentativa de maximizar a confiana do aluno em si mesmo e no AMPLIA, assim como maximizar a confiana do AMPLIA no aluno. Os trabalhos futuros apontam para a ampliao do modelo do aluno, por meio da incorporao de um maior nmero de variveis, e para a necessidade de aprofundamento dos estudos sobre a declarao de confiana, do ponto de vista psicolgico. As principais contribuies relatadas so na definio e construo de um modelo de aluno, com utilizao de redes bayesianas, no projeto de um agente pedaggico como mediador num processo de negociao pedaggica, e na definio e seleo de estratgias pedaggicas para o AMPLIA.
Resumo:
Nowadays, the popularity of the Web encourages the development of Hypermedia Systems dedicated to e-learning. Nevertheless, most of the available Web teaching systems apply the traditional paper-based learning resources presented as HTML pages making no use of the new capabilities provided by the Web. There is a challenge to develop educative systems that adapt the educative content to the style of learning, context and background of each student. Another research issue is the capacity to interoperate on the Web reusing learning objects. This work presents an approach to address these two issues by using the technologies of the Semantic Web. The approach presented here models the knowledge of the educative content and the learners profile with ontologies whose vocabularies are a refinement of those defined on standards situated on the Web as reference points to provide semantics. Ontologies enable the representation of metadata concerning simple learning objects and the rules that define the way that they can feasibly be assembled to configure more complex ones. These complex learning objects could be created dynamically according to the learners profile by intelligent agents that use the ontologies as the source of their beliefs. Interoperability issues were addressed by using an application profile of the IEEE LOM- Learning Object Metadata standard.
Resumo:
Esta tese est inserida no trabalho desenvolvido pelo Grupo de Pesquisa de Inteligncia Artificial (GIA) da UFRGS, sob a orientao da Professora. Dra. Rosa Maria Vicari e situa-se na rea da Inteligncia Artificial, com aplicaes na Educao a Distncia. As principais reas onde este trabalho de Pesquisa se situa so: Sistemas Tutores Inteligentes, Sistemas Multiagente e Psicologia Social Cognitiva. Dentro desse contexto, o objetivo principal desta pesquisa a modelagem computacional de aspectos da auto-eficcia de alunos realizando cursos on-line, tomando-se por base o trabalho de Bandura, cuja natureza engloba a cognio e afetividade. Este autor define como Auto-Eficcia "a crena do indivduo sobre as suas capacidades de exercer controle sobre acontecimentos que afetam a sua vida" e a crena nas suas capacidades para mobilizar motivao, recursos cognitivos e implementar aes que lhe permitam exercer controle sobre tarefas exigidas". Esta tese prope um agente capaz de perceber e monitorar os aspectos da autoeficcia do aluno, denominado agente Mediador da Auto-Eficcia (MAE), e prover o modelo do aluno com esta nova varivel. O senso de auto-eficcia consiste em crenas, que so processos cognitivos do indivduo sobre suas capacidades. em funo das crenas de auto-eficcia que ocorrero as escolhas, a direo e a persistncia nos comportamentos de aprendizagem por parte do aluno. Nesse contexto, acredita-se que o desenvolvimento do senso de auto-eficcia do aluno poder lhe conferir a fora motivacional para elaborar sua aprendizagem. O agente MAE monitora o comportamento do aluno atravs de uma mquina de inferncia fuzzy das relaes entre as variveis esforo, persistncia e desempenho e aciona um sistema de feedback atravs do agente pedaggico animado (PAT). O feedback realizado pelo agente pedaggico animado apresenta ao aluno comportamentos verbais e fsicos afetivos. O agente MAE est inserido no ambiente InteliWeb, que oferece um material instrucional de Biocincias e foi implementado com Servlets e pginas JSP. A maior contribuio desta tese est na agregao de aspectos da auto-eficcia no modelo de aluno envolvido em situaes de ensino aprendizagem de alunos, avanando dentro da perspectiva de pesquisa do GIA, assim como o desenvolvimento do InteliWeb com a insero do agente MAE e sua mquina de inferncia fuzzy.
