Um framework de raciocínio baseado em casos aplicado para estruturar a base de conhecimento em sistemas tutores inteligentes.

Abstract

Atualmente, existe a necessidade de se oferecer ensino personalizado, segundo o perfil dos usuários. Nesse contexto, surgiram os sistemas tutores inteligentes, que usam de técnicas de inteligência artificial para prover ensino dinâmico, considerando as habilidades e deficiências dos alunos. O raciocínio baseado em casos (RBC) é uma técnica de IA que tenta simular o funcionamento do cérebro humano, buscando solucionar um novo problema através da recuperação e adaptação de casos passados armazenados na base de conhecimento. Essa técnica utiliza diferentes cálculos de medida de similaridade como meio de mensurar o quão semelhante um caso é de outro, considerando seus atributos e pesos associados a eles. Uma das maiores dificuldades da aplicação do RBC é a modelagem dos dados na forma de casos, que é totalmente dependente do domínio da aplicação. O framework proposto visa auxiliar desenvolvedores de sistemas RBC na modelagem de dados e na recuperação de casos semelhantes através de medidas de similaridade; o framework tem como objetivo estruturar a base de conhecimento do sistema em construção. A ferramenta foi testada através de um estudo de caso, utilizando um sistema tutor para novos pilotos de helicóptero. Foram modelados casos de dois tipos distintos: casos teóricos e práticos. Para ambos os casos, foi possível inserir novos episódios e mensurar o quão semelhante os outros casos existentes são do caso em estudo.