Projeto de ajuda a Estudantes com Dificuldades em Cálculo Diferencial

Ajuda o pessoal aí, é por uma boa causa:

http://www.benfeitoria.com/mesalva

O projeto visa ajudar estudantes na compreensão da disciplina de cálculo diferencial e integral. Essas aulas foram visualizadas por milhares de pessoas em todo Brasil, rompendo a barreira de mais de 1 milhão de visualizações em menos de um ano.

Robô-professor equipado com leitor de sinais cerebrais consegue manter os alunos concentrados

Um sistema automatizado detecta quando os alunos on-line estão distraídos ou cochilando e, em seguida, usa truques para mantê-los alerta.

Cochilando durante uma aula chata na escola? Um professor robótico – que monitora os níveis de atenção e imita as técnicas que professores humanos utilizam para manter seus alunos atentos – promete acabar com o cochilo, especialmente para os estudantes que têm suas aulas online. Testes indicam que o robô pode aumentar o quanto os alunos se lembrar de suas aulas.

Sistemas tutores inteligentes que usam os professores virtuais para interagir com os alunos poderiam desempenhar um papel crucial no campo de expansão da educação online. O problema com cursos on-line é que é, de modo geral, impossível saber se o aluno está se concentrando envolvido com a lição. Ao contrário dos professores virtuais, os professores humanos têm uma série de truques para manter o aluno focado em suas aulas: alterar o tom de sua voz, por exemplo, ou gesticular para enfatizar os pontos e se envolver com seu público.

Bilge Mutlu e Dan Szafir da Universidade de Wisconsin-Madison queriam saber se um robô poderia usar algumas das mesmas técnicas dos professores para melhorar o quanto um aluno mantém seu foco nos estudos. A dupla programou um robô humanóide para contar aos estudantes uma estória então os testaram para ver o quanto eles tinham lembrado. Utilizando um sensor de US$ 200 para monitorar a área do cérebro ligada a aprendizagem e concentração, quando uma diminuição significativa na sinais cerebrais indicavam que o nível de atenção do aluno tinha caído, o sistema enviava um sinal para o robô para desencadear uma ação apropriada: levantar a voz ou fazer gestos de braços utilizados para recuperar a atenção.

Como a equipe esperava, os estudantes que ouviram a estória do robô que reagia a sua falta de concentração foram melhor que os estudantes de outros dois grupos, respondendo a uma média de 9 de 14 perguntas corretamente, em comparação com apenas 6,3 quando o robô não reagiu à falta de atenção. Os resultados foram apresentados na Conference on Human Factors in Computing Systems, em Austin, Texas, no início deste mês.

Fonte: http://www.newscientist.com/article/mg21428665.500-mindreading-robot-teachers-keep-students-focused.html

Comunidades de Prática – ferramenta “Spidergram”

Um “spidergram” (gráfico de “aranha” ou de “radar”), discutido na página 152 do livro “Digital Habitats; stewarding technology for communities” de Etienne Wenger, Nancy White e John D. Smith, é uma ferramenta de ajuda para visualizar as atividades de uma comunidade e como elas podem levar a uma escolha de ferramentas digitais de suporte para esta comunidade.

spidergram

spidergram

Em http://www.fullcirc.com/2009/11/30/community-technology-spidergram-evolves-again/ encontramos uma explicação sobre o uso de um “spidergram” para mapear a orientação das atividades de uma comunidade: http://www.slideshare.net/choconancy/digital-habitats-activity-orientation-spidergram-activity-cg-1472240

Este mapeamento é útil para a visualização das atividades de uma comunidade e permite que possamos avaliar onde devemos investir nossos esforços para melhorar os aspectos em que a comunidade está aquém do que esperamos dela, por exemplo: “Onde estamos?”-“Para onde queremos ir?” Através deste mapeamento, podemos repensar algumas atividades para aumentar a participação dos membros ou decidir que novas ferramentas necessitam ser usadas pela comunidade para servir de apoio a atividades que não estão sendo contempladas. Criar um Chat? Fórum? Redes Sociais? Encontros?
Além disso, esta mapeamento pode servir para acompanhar a evolução de uma comunidade, ao mapearmos as atividades em certos períodos de tempo, temos um retrato da comunidade àquela época.
As orientações sobre o qual o gráfico é montado, são as sugeridas pelo livro “Digital Habitats; stewarding technology for communities”: Encontros, Projetos, Acesso a Especialistas, Relacionamento, Contexto, Participação Individual, Conteúdo e Conversas Abertas.

tabela para criação do spidergram
Planilha Spidergram

Gabriele Sani da World Vision (Itália) colocou um “spidergram” em uma planilha. Simplesmente coloque os valores (1 a 10) na tabela da planilha “Data”, e um spidergrama (gráfico tipo “Radar”) será produzido na aba Spidergram da planilha Excel.

O link do arquivo Excel é: http://www.fullcirc.com/wp/wp-content/uploads/2009/11/CoP-Orientation-Spidergram-Tool.xls

 

 

Pesquisa mostra que video game está ligado à criatividade

Link original (em inglês) – ScienceDaily – http://www.sciencedaily.com/releases/2011/11/111102125355.htm

Meninos e meninas que jogam videogames tendem a ser mais criativos, independentemente dos jogos serem violentos ou não violentos, de acordo com pesquisa realizada por pesquisadores da Michigan State University.

Um estudo com quase 500 crianças de até 12 anos descobriu que, quanto mais jogam jogos de video game, mais criatividade apresentam em tarefas como desenhar e escrever histórias. Por outro lado, o uso de telefones celulares, a Internet e os computadores (que não seja para jogos) não influencia no aumento da criatividade, descobriu o estudo.

Linda Jackson, professora de psicologia e principal pesquisadora do projeto, disse que o estudo parece ser a primeira demonstração baseada em evidências de uma relação entre o uso de tecnologia e criatividade.

As descobertas da Michigan State University devem motivar os designers de jogos para identificar os aspectos da atividade de jogos de vídeo que são responsáveis pelos efeitos criativos, disse Jackson.

“Sabendo que os jogos fazem isso, os vídeogames podem ser projetados para otimizar o desenvolvimento da criatividade, mantendo seus valores de entretenimento, de tal modo que uma nova geração de videogames possa terminar com a diferença entre educação e entretenimento”, disse Jackson.

Os pesquisadores entrevistaram 491 estudantes do ensino médio como parte da pesquisa, que é financiado pela National Science Foundation. A pesquisa avaliou a freqüência com que os alunos usaram diferentes formas de tecnologia e avaliaram a sua criatividade com o “Teste de Torrance” de criatividade por figuras, teste que é amplamente utilizado para medir a criatividade.

O estudo constatou uma relação entre jogar videogame e uma maior criatividade, independentemente de gênero, raça ou tipo de jogo jogado pelos alunos.

Computador aprende o significado de palavras através de jogos

Baseando suas estratégias sobre o texto de um manual de jogo, um computador infere os significados das palavras sem a supervisão humana.

Os computadores são ótimos para o tratamento de palavras quando o significado delas não é importante: programas de edição de texto permitem que você reorganize e formate o texto como quiser e motores de busca podem rapidamente encontrar uma palavra em qualquer lugar na web. Mas entender o significado das palavras em qualquer língua seria possível para um computador?

Uma maneira de testar a capacidade de compreensão seria fazer o computador analisar e acompanhar um conjunto de instruções para uma tarefa desconhecida. E, de fato, nos últimos anos, pesquisadores de Ciência da Computação e do Laboratório de Inteligência Artificial do MIT começaram a projetar sistemas de aprendizagem de máquina que fazem exatamente isso, com resultados surpreendentemente bons.

Regina Barzilay e seus alunos de graduação S.R.K. Branavan e David Silver do London University College, baseados em trabalho anterior de Regina Barzilay, fizeram os computadores executar uma tarefa bastantecomplicada: aprender a jogar “Civilization” – um jogo de computador no qual o jogador orienta o desenvolvimento de uma cidade em um império através dos séculos da história humana. Quando os pesquisadores implementaram um sistema de aprendizagem de máquina para que o computador pudesse usar o “manual do jogador” para guiar o desenvolvimento de uma estratégia de jogo, a taxa de vitórias saltou de 46 por cento a 79 por cento.

“Jogos são usados como teste para técnicas de inteligência artificial simplesmente por causa de sua complexidade”, diz Branavan. “Toda ação que você toma no jogo não tem um resultado pré-determinado, porque o jogo ou o adversário pode reagir de forma aleatória ao que você faz. Então você precisa de uma técnica que possa lidar com cenários muito complexos.”

Além disso, diz Barzilay, os manuais dos jogos têm “textos muito vagos. Eles não lhe dizem como ganhar. Eles apenas dão conselhos muito gerais e sugestões e você tem que descobrir um monte de outras coisas do seu próprio jeito.”

O extraordinário do sistema de Barzilay e Branavan é que ele começa com quase nenhum conhecimento prévio sobre a tarefa que precisa desempenhar ou a linguagem na qual as instruções são escritas. Ele possui uma lista de ações do que pode fazer (como dar cliques com o botão direito ou esquerdo do mouse, ou mover o cursor), ele tem acesso às informações exibidas na tela e tem, ainda, alguma forma de medir o seu sucesso (como, por exemplo, ver se ganhou o jogo). Mas ele não sabe quais ações correspondem às palavras no conjunto de instruções e não sabe o que os objetos no mundo do jogo representam.

Então, inicialmente, seu comportamento é quase totalmente aleatório. Mas como ele executa várias ações e palavras diferentes aparecem na tela, ele pode procurar essas palavras no conjunto de instruções. Ele também pode pesquisar o texto ao redor das palavras associadas e desenvolver hipóteses sobre as ações que essas palavras correspondem. Para as hipóteses que consistentemente levam a bons resultados é dado maior peso, enquanto que aquelas que constantemente levam a maus resultados são descartadas.

O programa desenvolvido ganhou 79 por cento dos jogos que jogou, enquanto que uma versão que não lidava com as instruções escritas venceu apenas 46 por cento. Os pesquisadores também testaram um algoritmo mais sofisticado de aprendizagem de máquina que evitou a entrada de texto, mas usaram técnicas adicionais para melhorar o seu desempenho. Este algoritmo venceu apenas 62 por cento dos seus jogos.

“Se você me perguntasse antes, se eu achava que nós poderíamos fazer isso ainda, eu teria dito não”, diz Eugene Charniak, professor da Universidade de Ciência de Computação na Universidade de Brown. “Você está construindo algo em que você tem muito pouca informação sobre o domínio, mas você obter pistas do domínio de si mesmo.”

O objetivo principal do projeto, que foi apoiado pela National Science Foundation, foi demonstrar que os sistemas de computador que aprendem o significado das palavras através de exploração e interação com seus ambientes são um assunto promissor para futuras pesquisas.

Link original (em inglês): http://web.mit.edu/newsoffice/2011/language-from-games-0712.html