ads:
i
UNIVERSIDADE FEDERAL DE SANTA MARIA - UFSM
CENTRO DE TECNOLOGIA - CT
PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA - PPGI
ROAD: REPOSITÓRIO SEMÂNTICO DE OBJETOS DE
APRENDIZAGEM PARA DISPOSITIVOS MÓVEIS
DISSERTAÇÃO DE MESTRADO
Fabio Teixeira Franciscato
Santa Maria - RS, Brasil
2010
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
ii
ROAD: REPOSITÓRIO SEMÂNTICO DE OBJETOS DE
APRENDIZAGEM PARA DISPOSITIVOS MÓVEIS
por
Fabio Teixeira Franciscato
Dissertação apresentada ao Curso de Mestrado do Programa de Pós-Graduação em
Informática da Universidade Federal de Santa Maria (UFSM, RS), como requisito
parcial para obtenção do grau de
Mestre em Ciência da Computação
Orientador: Dra. Roseclea Duarte Medina
Santa Maria - RS, Brasil
2010
ads:
iii
Universidade Federal de Santa Maria
Centro de Tecnologia
Programa de Pós-Graduação em Informática
A Comissão Examinadora, abaixo assinada, aprova a Dissertação de
Mestrado
ROAD: REPOSITÓRIO SEMÂNTICO DE OBJETOS DE
APRENDIZAGEM PARA DISPOSITIVOS MÓVEIS
elaborada por
Fabio Teixeira Franciscato
Como requisito parcial para a obtenção do grau de
Mestre em Ciência da Computação
BANCA EXAMINADORA:
________________________________
Roseclea Duarte Medina, Drª. (UFSM)
(Presidente / Orientadora)
________________________________
Giovani Rubert Librelotto, Dr. (UFSM)
(Examinador)
________________________________
Adriana Soares Pereira, Drª. (UNIFRA)
(Examinadora)
Santa Maria, 20 de Abril de 2010.
iv
DEDICATÓRIA
À minha mãe e ao meu pai,
pelo amor, pela paciência e
por todos os momentos em
que estiveram ao meu lado
nesta jornada.
v
AGRADECIMENTOS
Agradeço primeiramente a Deus, pela oportunidade desta vida repleta de alegrias e
realizações.
À Professora Dra. Roceclea Duarte Medina, por sua orientação e amizade, e por
esse tempo de convivência que muito contribuiu para o meu crescimento científico e
intelectual.
Ao Professor Dr. Giovani Rubert Librelotto pela ajuda na reta final desta Dissertação.
Aos meus colegas do Mestrado, especialmente Patrícia Mozzaquatro, Patric Ribeiro,
Fernando Beux, Jaziel Lôbo e Josiane Kroll pelos momentos de descontração.
A minha mãe e pai que sempre estiveram ao meu lado, nos momentos bons e ruins.
Ao meu irmão, cunhada e sobrinho que, mesmo sabendo da minha falta de tempo,
alugavam-me por horas no telefone.
A minha super namorada Marciele que aguentou firme e forte esse tempo ao meu
lado.
Ao meu primo Leonardo pela ajuda para tirar as fotografias dos dispositivos móveis.
vi
EPÍGRAFE
Quando se vê, já são seis horas!
Quando se vê, já é sexta-feira...
Quando se vê, já terminou o ano...
Quando se vê, perdemos o amor da nossa vida.
Quando se vê, já passaram-se 50 anos!
Agora é tarde demais para ser reprovado.
Se me fosse dado, um dia, outra oportunidade, eu nem olhava o relógio.
Seguiria sempre em frente e iria jogando,
pelo caminho, a casca dourada e inútil das horas.
Desta forma, eu digo:
Não deixe de fazer algo que gosta, devido à falta de tempo,
pois a única falta que terá,
será desse tempo que infelizmente não voltará mais.
(Mário Quintana)
vii
RESUMO
Programa de Pós Graduação em Informática
Universidade Federal de Santa Maria
ROAD: REPOSITÓRIO SEMÂNTICO DE OBJETOS DE
APRENDIZAGEM PARA DISPOSITIVOS MÓVEIS
Autor: Fabio Teixeira Franciscato
Orientadora: Dra. Roseclea Duarte Medina
Muitos sistemas Web estão sendo adaptados para execução e visualização em
dispositivos móveis. Objetos de Aprendizagem (OA) não fogem a essa regra e são
muito utilizados como recurso pedagógico no contexto da Mobile Learning. Todavia,
um dos principais problemas da Web continua a existir também na Web móvel. A
falta de significado e estrutura atrelada às informações prejudica a realização de
consultas eficientes e específicas. No cenário desta dissertação, essa limitação
prejudica a recuperação de Objetos de Aprendizagem específicos para as
necessidades educacionais dos usuários. Nesse sentido, quando esses OA são
consultados, através de dispositivos móveis, a limitação é potencializada pela falta
de padronização tanto em hardware quanto em software desses dispositivos. Com o
objetivo de suprir tais restrições, nesta dissertação, foi proposto um repositório de
Objetos de Aprendizagem - o ROAD – o qual aplica os padrões da Web Semântica
para melhor estruturar o contexto dos OA, adicionando a semântica desejada aos
mesmos, utilizando-se principalmente do conceito de Ontologias. Além desses
padrões, o ROAD faz uso de tecnologias que permitem a identificação do dispositivo
móvel de acesso, para assim, filtrar os OA em função das características
tecnológicas de cada dispositivo móvel. O contexto de utilização do ROAD é
baseado em dois módulos: o ROAD como apoio à sala de aula presencial, o qual
aproveita a disponibilidade dos alunos terem dispositivos móveis em sala de aula, a
fim de que os utilizem nos para um processo de ensino/aprendizagem; e, o ROAD
como acesso livre aos Objetos de Aprendizagem, que baseia-se nas potencialidades
que a M-Learning proporciona, ou seja, sua utilização independente de local e hora,
oferecendo a possibilidade de o usuário até estar em deslocamento.
Palavras-chave: m-learning; web semântica; repositório de objetos de
aprendizagem; dispositivos móveis, ROAD.
viii
ABSTRACT
Post Graduation Program in Computer Sciences
Federal University of Santa Maria
ROAD: SEMANTIC REPOSITORY OF LEARNING OBJECTS FOR
MOBILE DEVICES
Author: Fabio Teixeira Franciscato
Advisor: Roseclea Duarte Medina
Many Web systems are being adapted for execution and visualization in mobile
devices. Learning Objects (LO) are no exception and are largely used as a
pedagogic resource in the context of M-Learning. However, one of the main
problems of the regular Web is also found in the mobile Web. The loss of meaning
and structure related to the information prevents the realization of efficient and
specific consults. In the scenario of this dissertation these limitations have prevented
the recuperation of specific Learning Objects for the users’ educational necessities.
Furthermore, when these Learning Objects are consulted through mobile devices,
the limitation is maximized by the loss of standardization in these devices, either
related to hardware or to software. With the objective of minimizing these restrictions,
a Learning Objects repository is proposed in this dissertation - ROAD, which applies
the standards of Semantic Web in order to better structure the context of the LOs by
adding the intended semantic to them, specifically using the concept of Ontologies.
Beyond those standards, the ROAD uses technologies that allow the identification of
the mobile device being used for access so to the LO can be filtered according to the
technological characteristics of the mobile device. The context of use of the ROAD
will be based on two modules: ROAD as a support for the traditional classroom,
which will utilize the students’ mobile devices available in class as a tool in the
teaching/learning process; and, the ROAD as free access to the Learning Objects
based on the potentialities offered by the M-Learning, which allows a utilization that
does not depend on place or time and can be accessed by a user on the go.
Key words: m-learning, semantic web, learning-objects repository, mobile devices,
ROAD.
ix
LISTA DE FIGURAS
Figura 1. Exemplo de Ontologia para o planeta Terra (LIBRELOTTO, 2005)...........28
Figura 2. Arquitetura em camadas da Web Semântica (BERNERS-LEE, 2001).......31
Figura 3. Grafo correspondente à visão RDF do Quadro 2.......................................35
Figura 4. Grafo RDF com recurso identificado por URI.............................................36
Figura 5. Elementos e a estrutura do IEEE LOM (IMS, 2004)...................................40
Figura 6. Crescimento do número de dispositivos móveis no mundo (ITU, 2009). ..42
Figura 7. Características dos dispositivos móveis (HULME, 2005)...........................48
Figura 8. Exemplo de Objeto de Aprendizagem (MARIN, 2007)...............................52
Figura 9. Exemplos de Objetos de Aprendizagem para dispositivos móveis. ...........53
Figura 10. Ontologia para Objetos de Aprendizagem para dispositivos móveis........70
Figura 11. Tela da Ferramenta Protégé apresentando a hierarquia da Ontologia e
algumas das restrições da classe ObjetoAprendizagem...........................................73
Figura 12. Diagrama de Caso de Uso para o módulo do ROAD em auxilio a sala de
aula presencial..........................................................................................................75
Figura 13. Diagrama de Caso de Uso para o módulo do ROAD de acesso livre a OA
..................................................................................................................................76
Figura 14. Diagrama de Atividade.............................................................................77
Figura 15. Diagrama de Atividade.............................................................................78
Figura 16. Arquitetura do ROAD ...............................................................................79
Figura 17. Consulta sob a Ontologia no Protégé, utilizando SPARQL......................82
Figura 18. Tela inicial do ROAD................................................................................85
Figura 19. Tela de acesso ao ROAD.........................................................................85
Figura 20. Definindo conteúdo e a turma para aula ..................................................86
Figura 21. Tela apresentado a escolha da opção disciplina......................................86
Figura 22. Tela inicial apresentada ao aluno.............................................................87
Figura 23. Tela de acesso ao OA..............................................................................87
Figura 24. Tela de pesquisa no acesso ao módulo livre do ROAD...........................88
Figura 25. Tela que apresenta os resultados da pesquisa pelos OA........................88
Figura 26. Funções diferencias no ROAD.................................................................88
Figura 27. Informações do OA. .................................................................................88
Figura 28. OA de mesma equipe...............................................................................89
x
Figura 29. OA da mesma Instituição. ........................................................................89
Figura 30. Acesso ao BIOE através da utilização do dispositivo móvel HTC Magic. 91
Figura 31. Campo de consulta do BIOE não apresentado no BlackBerry 9000........91
Figura 32. Resultados encontrados a partir da consulta por “Função quadrática”....92
Figura 33. Resultado encontrado a partir da consulta por “Função do 2º grau”........92
Figura 34. Resultado da consulta no ROAD, através do iPhone 3G, em comparação
com os resultados do BIOE.......................................................................................94
Figura 35. Resultado da consulta no ROAD, através do HTC Magic, em comparação
com os resultados do BIOE.......................................................................................94
Figura 36. Filtragem dos OA no dispositivo iPhone 3G.............................................95
Figura 37. Filtragem dos OA no dispositivo HTC Magic............................................95
Figura 38. Filtragem dos OA no dispositivo BlackBerry 9000....................................96
Figura 39. Filtragem dos OA no dispositivo Samsung Jet S8003..............................96
Figura 40. Parte inicial da Ontologia de Objetos de Aprendizagem para dispositivos
móveis codificada em OWL.....................................................................................114
Figura 41. Execução do OA “Área de um retângulo inscrito em um triângulo” no
iPhone 3G ...............................................................................................................115
Figura 42. Continuidade da execução do OA “Área de um retângulo inscrito em um
triângulo” no iPhone 3G ..........................................................................................115
Figura 43. Execução do OA “Interseção parabolóide/superfície obtida girando-se o
gráfico de f(x) = sen(x)” no iPhone 3G ....................................................................115
Figura 44. Execução do OA “Interseção “Toro Enrolado”/Parabolóide Hiperbólico” no
iPhone 3G ...............................................................................................................115
xi
LISTA DE QUADROS
Quadro 1. Diferenças entre Dado, Informação e Conhecimento...............................25
Quadro 2. Declarando Objeto de Aprendizagem na forma de Triplas.......................35
Quadro 3. Comparativo entre repositórios em relação às categorias de OA. ...........56
Quadro 4. Comparativo entre repositórios de OA em relação à categoria Vídeo......57
Quadro 5. Comparativo entre repositórios de OA em relação à categoria Figuras...58
Quadro 6. Comparativo entre repositórios de OA em relação à categoria Áudio......59
Quadro 7. Comparativo entre repositórios de OA em relação à categoria Animação e
Simulação..................................................................................................................59
Quadro 8. Metadados utilizados para anotar OA para dispositivos móveis. .............67
Quadro 9. Restrições em atributos e relações para Objetos de Aprendizagem........72
Quadro 10. Representação em formato de tripla. .....................................................81
Quadro 11. Restrições para a classe disciplina.......................................................113
Quadro 12. Restrições para a classe Módulo..........................................................113
Quadro 13. Restrições para a classe Tópico ..........................................................113
Quadro 14. Restrições para a classe Equipe..........................................................113
Quadro 15. Restrições para a classe Instituição.....................................................113
xii
LISTA DE ABREVIATURAS E SIGLAS
API: Application Programmers Interface
BIOE: Banco Internacional de Objetos Educacionais
CESTA: Coletânea de Entidades de Suporte ao uso de Tecnologia na Aprendizagem
DC: Dublin Core
HTML: Hyper Text Markup Language
LOM: Learning Object Model
LTSC: Learning Technology Standards Committee
LUME: Repositório Digital da Universidade Federal do Rio Grande do Sul
MERLOT: Multimidia Educational Resource for learning and Online Teaching
OA: Objetos de Aprendizagem
OWL: Ontology Web Language
PDA: Personal Digital Assistants
PHP: PHP Hypertext Language
RAP: RDF API for PHP
RDF: Resource Description Framework
RDF Schema: - Resource Description Framework Schema
RIVED: Rede Interativa Virtual de Educação
ROAD: Repositório de Objetos de Aprendizagem para Dispositivos Móveis
URI: Universal Resource Identifiers
URL: Uniform Resource Locator
W3C: World Wide Web Consortium
Web: World Wide Web
WISC: Wisconsin Online Resource Center
XML: Extensible Markup Language
xiii
LISTA DE ANEXOS
ANEXO A............................................................................................................. 113
ANEXO B............................................................................................................. 114
ANEXO C............................................................................................................. 115
xiv
SUMÁRIO
1 INTRODUÇÃO...................................................................................................16
1.1 Problema de Pesquisa................................................................................18
1.2 Objetivos e Contribuições ...........................................................................21
1.3 Organização do Texto.................................................................................22
2 DADO, INFORMAÇÃO e CONHECIMENTO.....................................................23
2.1 Ontologias........................................................................................................25
2.2 Web Semântica...........................................................................................29
2.2.1 Estrutura da Web Semântica ....................................................................31
2.2.1.1 Unicode / URI ...............................................................................31
2.2.1.2 XML / NS / XML Schema..............................................................32
2.2.1.3 RDF / RDF Schema......................................................................33
2.2.1.4 Ontology Vocabulary ....................................................................37
2.2.1.5 Logic / Proof / Trust ......................................................................38
2.3 Metadados ..................................................................................................39
3 COMPUTAÇÃO MÓVEL ...................................................................................42
3.1 Mobile Learning ..........................................................................................43
3.2 Dispositivos móveis.....................................................................................47
4 OBJETOS DE APRENDIZAGEM......................................................................50
4.1 Objetos de Aprendizagem para dispositivos móveis...................................53
4.2 Repositório de Objetos de Aprendizagem...................................................54
5 MÉTODO DE PESQUISA..................................................................................61
6 ROAD – REPOSITÓRIO SEMÂNTICO DE OBJETOS DE APRENDIZAGEM
PARA DISPOSITIVOS MÓVEIS...............................................................................65
6.1 Web Semântica e OA para Dispositivos Móveis.........................................66
6.1.1 Metadados para OA para dispositivos móveis.....................................67
6.1.2 Ontologia para OA para dispositivos móveis .......................................68
6.2 Descrição do Sistema.................................................................................74
6.3 Arquitetura e Implementação do Sistema...................................................79
6.4 Funcionamento ...........................................................................................85
6.4.1 ROAD em auxilio à sala de aula presencial.........................................85
6.4.2 ROAD para acesso livre aos Objetos de Aprendizagem .....................87
xv
6.5 Validação ....................................................................................................89
7 CONSIDERAÇÕES FINAIS...............................................................................98
7.1 Trabalhos Futuros.....................................................................................100
REFERÊNCIAS BIBLIOGRÁFICAS.......................................................................101
.
16
1 INTRODUÇÃO
Diante das atuais necessidades de locomoção dos profissionais e estudantes
e a grande exigência de capacitação e atualização desses, faz-se necessário a
criação de mecanismos que os possibilitem a continuidade de um processo de
ensino/aprendizagem, mesmo estando fora da empresa ou da instituição de ensino
(PELISSOLI, 2004). A opção mais utilizada para suprir essas necessidades é a
Electronic Learning (E-Learning), ou seja, um tipo ou modalidade da Educação a
Distância (EaD) que é baseado nas tecnologias da Internet, onde a aprendizagem
ocorre remotamente (GONÇALVES, 2007), com maior flexibilidade temporal e
espacial.
A E-Learning, embora bastante flexível, ainda exige que o aluno tenha acesso
a um computador que esteja conectado a uma rede que disponha de acesso à
Internet. Entretanto, muitos profissionais e estudantes consomem muito de seu
tempo diário longe de seu local de trabalho ou instituição de ensino, e uma boa parte
desse tempo é perdida com períodos ociosos, como por exemplo, em viagens de
ônibus, de aviões. As limitações da E-Learning restringem ou impedem que esses
profissionais e estudantes possam utilizar desses tempos vagos para um processo
de ensino/aprendizagem. Por esse motivo, faz-se necessário a criação de artifícios
que permitam o aprendizado contínuo através da utilização de tecnologias móveis.
As tecnologias móveis estão transformando os hábitos, as práticas e as
possibilidades das pessoas, permitindo-lhes desprenderem-se dos limites das
plataformas Desktop e aproveitar dessa mobilidade para fazer algo que antes não
era possível. Tal mobilidade do usuário, quando aliada a uma execução
computacional, determina a Computação Móvel (AUGUSTIN, 2004) e, quando essa
é utilizada para um processo de ensino/aprendizagem, tem-se um novo paradigma
na educação – a Educação Móvel, mais conhecida como Mobile Learning ou M-
Learning – a qual reforça o anywhere, anytime Learning (MOTLIK, 2008).
17
Diversas pesquisas como em (BLACKWOOD, 2004), (LIU, 2008), (RIBEIRO,
2009), (MOZZAQUATRO, 2009) (REINHARD, 2007) (GRAZIOLA, 2008),
(ECONOMIDES, 2008), entre outros, apresentam abordagens para a criação de
novas aplicações e novas oportunidades de aprendizagem nesse novo paradigma
educacional, Objetos de Aprendizagem
1
(OA) não fogem a essa regra. A
combinação de características da M-Learning com as características de OA pode
produzir uma poderosa ferramenta para suportar aprendizagem a qualquer hora e
lugar (CASTILLO, 2008). Seguindo essa perspectiva, o estudante tem a seu favor
toda a interatividade proporcionada por esse recurso pedagógico aliado às
vantagens da mobilidade, permitindo, assim, progredir seu estudo conforme seu
ritmo de aprendizagem. Entretanto, além das possibilidades, também são
encontradas dificuldades, as quais podem desmotivar a utilização de Objetos de
Aprendizagem através de tecnologias móveis.
Para acesso aos recursos didático-pedagógicos digitais utilizados na prática
da M-Learning, no caso desta dissertação os OA, é necessário a utilização de
dispositivos móveis, tais como celulares, Person Digital Assistants (PDAs),
Smartphones. No entanto, diferentemente das Plataformas Desktop, nas quais as
configurações de hardware e software pouco sofrem com limitações, os dispositivos
móveis apresentam limitações em ambas as categorias. Isso pode prejudicar ou
inviabilizar a execução de OA e, essa limitação, é potencializada pelo tempo
desperdiçado pelo usuário para localizar OA aptos a serem executados no
dispositivo móvel de acesso.
Outra dificuldade encontrada na recuperação de Objetos de Aprendizagem
está relacionada ao contexto educacional, isto é, como esses OA estão atrelados a
um conteúdo educativo e podem ser utilizados como suporte para o ensino, é
necessário que possam ser encontrados facilmente para serem utilizados. Todavia,
diante da maneira como esses OA são catalogados e estruturados e diante das
tecnologias utilizadas no processo de busca dos repositórios desses, os resultados
das consultas são, na maioria das vezes, imprecisos. Isso implica ao usuário a
prática de procurar um a um os OA até encontrar os que satisfaçam suas
necessidades. Tanto essas limitações sobre o contexto educacional quanto às
1
Quaisquer recursos digitais que possam ser reutilizados para o suporte ao ensino (WILEY, 2002)
18
relacionadas às características de hardware e de software são entraves para a
expansão da M-Learning.
As limitações mencionadas quanto à localização e recuperação de Objetos de
Aprendizagem estão relacionadas diretamente às limitações da Web atual, pois, as
informações que descrevem os OA estão apresentadas e estruturadas pela
linguagem de marcação Hiper Text Markup Language (HTML), que é restrita para
apresentação de conteúdos na Web. Isso dificulta a extração das informações e
inviabiliza sua interpretação pelos computadores, pois, através dessa tecnologia,
palavras de significados diferentes não serão diferenciadas. Nesse sentido, a falta
de uma semântica desejada, mesmo que com a utilização de metadados
2
para
descrever os OA, é responsável pela grande quantidade de resultados desprezíveis
provindos das pesquisas realizadas. (ARAUJO, 2004b).
As tecnologias necessárias para incluir a semântica desejada estão
relacionadas à utilização dos padrões da Web Semântica. Essa é uma evolução da
Web atual, e que visa fornecer estrutura e significado aos conteúdos das páginas
Web, permitindo às máquinas tornarem-se capazes de processar e compreender os
dados ao invés de apenas exibi-los (BERNERS-LEE, 2001).
Esta dissertação não teve como objetivo a criação de OA para dispositivos
móveis, mas, sim, apresentar uma maneira de recuperá-los sob as questões
levantadas, isto é, permitir pesquisas que encontrem apenas OA que possam ser
executados no dispositivo móvel do usuário e que estejam relacionados ao contexto
educacional desejado. Para isso, foi criado o ROAD, um Repositório Semântico de
Objetos de Aprendizagem para Dispositivos Móveis.
1.1 Problema de Pesquisa
Objetos de Aprendizagem são utilizados como recurso pedagógico que
objetivam facilitar o processo de ensino/aprendizagem (TAVARES, 2007). Porém, a
execução desses OA, na maioria das vezes, se limita apenas ao acesso em
Plataformas Desktops. Quando acessados em dispositivos móveis, a maioria dos OA
2
Dados sobre os dados (ROSENFELD, 1998).
19
não executam apropriadamente ou simplesmente não estão aptos a serem
executados devido as suas limitações (OLIVEIRA, 2008). Essas limitações acabam
por desestimular o emprego de OA na prática da M-Learning no processo
educacional, fazendo com que esse novo paradigma de acesso independente de
local seja “deixado de lado”.
A M-Learning, além de sua utilização independente de local, também pode
ser utilizada em sala de aula presencial, ou seja, aproveita-se da disponibilidade de
a maioria dos alunos terem dispositivos móveis para sua utilização no auxilio ao
processo de aprendizagem. Com isso, evita-se a perda de tempo com deslocamento
de alunos até laboratórios de informática, que nem sempre estão disponíveis ou são
insuficientes para a demanda, ou até mesmo inexistentes em muitas escolas
(SIMÃO, 2007).
Entretanto, mesmo nas Plataformas Desktop, a utilização de OA não ocorre
como o almejado, pois existe uma grande dificuldade em recuperar OA específicos
para determinado conteúdo educacional nos repositórios atuais, o que acaba por
desmotivar seu uso, tanto por professores em sala de aula presencial quanto por
alunos como recurso extraclasse.
Já existem diversas pesquisas nesta área focando os problemas dos
repositórios atuais e apresentando possíveis soluções para aperfeiçoar a
recuperação dos OA, como apresentado em (WARPECHOWSKI, 2005), (NASH,
2005), (SILVA, 2005), (MATTOS, 2006), (KIRYAKOV, 2005), entre outros. Contudo,
nas pesquisas citadas, não são apresentadas estruturas que permitam que OA
estejam conectados entre si ou contextualizados semanticamente, o que se faz
necessário para obter informações precisas e satisfatórias sobre esses OA. Desse
modo, pode-se criar uma estrutura que permita, não somente aos humanos, a
compreensão do domínio da aplicação, mas também aos computadores,
possibilitando, assim, o compartilhamento das informações entre sistemas e
comunidades.
Os Repositórios de OA utilizados nesta dissertação para levantamento de
requisitos e comparações com o ROAD são conhecidos internacionalmente. São
eles: MERLOT (1997), WISC (2001), RIVED (2004) e BIOE (2008). Há outros que
são conhecidos sob a perspectiva nacional: LUME (2007) e CESTA (2004) e todos
os repositórios pesquisados não consideram as possibilidades e potencialidades da
20
M-Learning, que, neste caso, referem-se à utilização de Objetos de Aprendizagem
através de dispositivos móveis.
Os repositórios citados não proporcionam, como desejado, uma
apresentação que evite esforços de navegação (evitando a utilização de lupas/zoom
para visibilidade das informações) e de consultas precisas por OA (evitando
esforços na localização e recuperação de OA). Nesses repositórios, o próprio
usuário deverá, um a um, encontrar OA que estejam aptos a serem executados em
seu dispositivo móvel e que estejam de acordo com o contexto educacional
desejado. Aqui, cabe ressaltar que o acesso a dispositivos móveis se dá de maneira
mais lenta devido a suas limitações de hardware, o que pode levar o usuário a
desistir facilmente da utilização de OA devido ao tempo necessário/gasto para sua
localização.
O principal problema na execução dos OA, através de dispositivos móveis,
refere-se às limitações destes em relação ao hardware e ao software. Por exemplo,
um OA da categoria de vídeos no formato “MOV” não será executado em qualquer
dispositivo móvel, devido a suas limitações e incompatibilidades. Portanto, esse OA
específico não deve ser retornado em uma pesquisa feita através de um dispositivo
móvel incapaz de executar tal formato. Porém, diferentemente de plataformas
Desktop, as quais possibilitam a instalação de ferramentas para recuperar
informações do computador, os dispositivos móveis limitam-se a informações
provindas basicamente do browser, informações essas que limitam o propósito de
filtrar OA em relação às características dos dispositivos móveis. E, essas
características, na maioria das vezes, vêm estipuladas de fábrica, não podendo o
utilizador instalar programas/plugins necessários para executar determinado tipo de
arquivo.
Tendo em vista o que foi apresentado, surge o problema: como solucionar a
recuperação de Objetos de Aprendizagem específicos para um determinado
conteúdo educacional e como fazer com que esse OA esteja apto para ser
executado no dispositivo móvel do usuário?
21
1.2 Objetivos e Contribuições
Considerando o problema de pesquisa, o objetivo desta dissertação foi propor
o ROAD, um Repositório de Objetos de Aprendizagem para Dispositivos Móveis
baseado nos padrões da Web Semântica. Tal repositório fornece a capacidade de
organizar, estruturar, compartilhar e padronizar OA, possibilitando o entendimento
do contexto desses não somente por humanos, como também por computadores.
Além dessas características, o ROAD permite a realização de buscas automáticas e
invisíveis ao usuário, quando baseadas nas características do dispositivo móvel de
acesso.
O ROAD é baseado em dois módulos: O ROAD em auxílio à sala de aula
presencial e o ROAD como acesso livre aos Objetos de Aprendizagem. O primeiro é
utilizado para que professores, em ambientes de aula presencial, possam definir
exclusivamente o conteúdo desejado para apresentar em sua aula. Os alunos, por
sua vez, através do ROAD, têm acesso somente aos OA encontrados que tenham
relação ao conteúdo informado pelo professor e que possam ser executados em seu
dispositivo móvel.
O ROAD, como acesso livre aos Objetos de Aprendizagem, independe do tipo
de usuário e localização para acesso. O usuário irá informar um conteúdo específico
e a ele será(ão) retornado(s), unicamente, o(s) OA relacionado(s) a esse conteúdo e
que possa(m) ser executado(s) em seu dispositivo móvel. Além disso, outro
diferencial para esse módulo refere-se às pesquisas adicionais que permitem, a
partir de um OA escolhido, pesquisas relacionadas a OA criados pela mesma equipe
e a OA mantidos/patrocinados pela mesma Instituição. Também é possível ter
acesso a informações adicionais sobre cada um desses OA.
Desta forma, espera-se contribuir significativamente com a M-Learning
através da criação de um Repositório Semântico de Objetos de Aprendizagem para
acesso e consulta através de dispositivos móveis, que permite realizar consultas
especificas por OA filtrados em função das características tecnológicas de cada
dispositivo de acesso. Além disso, espera-se contribuir com o compartilhamento de
informações, entre pessoas e/ou agentes de software, sobre o contexto proposto de
OA para dispositivos móveis.
22
1.3 Organização do Texto
Esta dissertação, além desta introdução, é dividida em sete Capítulos, cujos
conteúdos estão descritos a seguir:
O Capítulo 2 apresenta desde as diferenças básicas entre dado, informação e
conhecimento, como a definição de Ontologias e sua ligação com a Web Semântica.
Também é apresentado um estudo sobre a Web Semântica, a qual é explicada
através de sua arquitetura. Por fim, ainda neste Capítulo, é aprofundado o estudo
sobre metadados, que são de extrema importância para descrição de OA.
O Capítulo 3 tem por objetivo abordar o contexto da M-Learning, identificando
seu surgimento a partir da evolução da Computação Móvel em utilização ao acesso
a informação, suas potencialidades e suas limitações voltadas à utilização de
dispositivos móveis.
O Capítulo 4 está diretamente ligado ao Capítulo 3, abordando Objetos de
Aprendizagem e sua utilização como recurso pedagógico para o M-Learning,
apresentando estudos relacionados à utilização de OA em dispositivos móveis.
Aborda também os repositórios de Objetos de Aprendizagem utilizados como base
para definir as funções do ROAD, expondo cada um desses através de uma
pesquisa. Na perspectiva dessa pesquisa, os repositórios apresentam OA separados
por categorias, por formatos de arquivo e se consideram a resolução de vídeo
necessária para sua execução.
O Capítulo 5 apresenta a metodologia utilizada para a criação do ROAD,
especificando os estudos e as pesquisa necessárias, como também as ferramentas
utilizadas para a criação, implementação e validação do ROAD.
O Capítulo 6 aborda o desenvolvimento do ROAD através da utilização dos
padrões da Web Semântica sob o contexto de Objetos de Aprendizagem para
dispositivos móveis, especificando os metadados utilizados para descrever esses
OA e a definição da Ontologia para esse contexto. Também apresenta a descrição
do sistema, a arquitetura, a implementação, seu funcionamento e sua validação
através de dispositivos móveis de fabricantes e Sistemas Operacionais diferentes.
Por fim, o Capítulo 7 traz as considerações finais obtidas com o
desenvolvimento da pesquisa e trabalhos futuros.
23
2 DADO, INFORMAÇÃO E CONHECIMENTO
A Internet está vivenciando, nos dias atuais, a era da Web 2.0. É a Web como
plataforma (O’REILLY, 2005), na qual os aplicativos aproveitam a inteligência
coletiva
3
para crescer e se aperfeiçoarem, onde o usuário pode criar e expor
informações facilmente. Essas informações estão crescendo com grande
intensidade e de forma desordenada, e segundo o Google (GOOGLE, 2008), já
existe um trilhão de páginas indexadas ao seu sistema de busca. Diante desse
contexto, surge a pergunta: como encontrar a informação desejada diante dessa
quantidade de informações? Para isso, existem as ferramentas de busca, que, a
partir da combinação de palavras-chave, informadas pelo usuário, são retornados
todos os sites que as contenham. Todavia, elas não diferenciam o seu contexto
(ALMEIDA, 2007), ou seja, palavras de escritas iguais e significados distintos não
são diferenciadas, o que pode gerar milhões de resultados além do necessário.
Portanto, fica a cargo do usuário procurar pela informação desejada entre os
possíveis milhões de sites encontrados. Quais seriam as soluções possíveis para
esse problema? Poderia a máquina interpretar as informações e apresentar somente
o que se procura? Poderia a máquina diferenciar palavras polissêmicas
4
? Essas e
outras questões serão apresentadas durante esta dissertação, mas, antes, faz-se
necessário realizar a diferenciação de Dado, Informação ou Conhecimento.
Antes de definir o que é Dado e Informação, para um melhor entendimento, é
apresentada uma contextualização desses conceitos sob um exemplo do cotidiano
das pessoas (DAVENPORT, 2000).
Quando um cliente vai até um posto de gasolina e enche o tanque de seu
carro, essa transação pode ser parcialmente descrita por dados. Quando
ele fez isso? Quantos litros ele colocou? Quanto ele pagou? Os dados não
dizem nada sobre o motivo de ele ter escolhido tal posto de gasolina e não
outro. Por si só, esses dados não dizem nada sobre se o serviço foi bom ou
3
É uma inteligência distribuída por toda a parte, incessantemente valorizada, coordenada em tempo
real, que resulta em mobilização efetiva das competências (LEVY, 2003)
4
Palavras que possuem mesma pronúncia e grafia, porém significados diferentes (MULLER, 2003)
24
ruim. O que sugere que dados por si só tem baixa relevância ou propósito.
[...] dados descrevem somente uma parte do que está acontecendo.
Sozinhos, esses não tem significado, mas são essenciais na criação da
informação.
Relacionado com a Ciência da Computação, área desta dissertação, Dado,
segundo Miranda (1999), é o conjunto de registros qualitativos ou quantitativos
conhecidos que, organizado, agrupado, categorizado e padronizado
adequadamente, transforma-se em informação. Pode-se perceber que, mesmo sem
a definição de Informação, ambos, necessariamente, devem apresentar diferentes
definições, já que, é a partir dos dados que se geram informações. Mas como gerar
informação a partir dos dados?
Primeiramente, é necessário entender que Informação tem por objetivo
causar algum tipo de impacto no comportamento e/ou julgamento de quem a recebe
(DAVENPORT, 2000), pois, diferentemente de Dado, Informação tem significado,
relevância e propósito. Dado é transformado em informação quando a este é
adicionado significado, isto é, Dado transforma-se em Informação quando está
contextualizado, categorizado. Para Miranda (1999), Informação, na área da Ciência
da Computação, são dados organizados e analisados de modo significativo, os quais
servem de subsídio na tomada de decisão.
Percebe-se claramente, através dos conceitos citados, a diferença entre Dado
e Informação. Ao relacionar esses termos com o tema desta dissertação,
necessariamente, define-se Dado com relação à sintaxe e Informação com relação à
semântica. Nesse contexto, seria o computador capaz de formalizar, através de uma
teoria lógico/matemática, uma informação, já que Informação está relacionada a
significado e este relacionado à mente humana? Contudo, antes é necessário
entender o conceito de Conhecimento, já que está diretamente ligado ao Dado e à
Informação.
O Conhecimento é teoricamente subjetivo, é a informação que possui
contexto, é relevante e acionável. O Conhecimento é internalizado, é moldado pelas
percepções e experiências do conhecedor. Está relacionado com a pragmática
(TURBAN, 2004) (HEY, 2004) (SETZER, 2004) e deriva da informação como
informação deriva dos dados (DAVENPORT, 2000).
25
Davenport (apud VALENTIN, 2002) explica a definição de Dado, Informação e
Conhecimento de forma breve, através do Quadro 1, apresentando algumas
características inerentes a cada um:
Quadro 1. Diferenças entre Dado, Informação e Conhecimento (VALENTIN, 2002).
Percebe-se que Conhecimento (Quadro 1) apresenta características como: de
difícil estruturação, de difícil captura em máquinas e de difícil transferência. Porém,
para a proposta desta dissertação, foi necessário encontrar meios de expressar o
conhecimento sobre o contexto de Objetos de Aprendizagem para dispositivos
móveis, e assim, permitir a criação do ROAD sob padrões da Web Semântica, como
será visto ainda nesse Capítulo. A seguir, serão apresentadas formas de formalizar
e compartilhar o conhecimento humano utilizando Ontologias, que são as formas de
organização do conhecimento mais aceitas e utilizadas pela comunidade atualmente
(MOREIRA, 2004).
2.1 Ontologias
26
Diante do que foi visto no início deste Capítulo sobre a quantidade expressiva
de informações, tem-se conferido uma importância significativa às técnicas de
organização da informação. Diversos tipos de estruturas são utilizados na
organização dessas: estruturas que se organizam a partir da utilização de termos,
como glossários e dicionários; estruturas que se organizam com a classificação e a
criação de categorias, como taxonomias; estruturas que se organizam a partir de
conceitos e de seus relacionamentos, como as Ontologias, os thesaurus e as redes
semânticas (BAX, 2003).
Nos últimos anos, Ontologias têm recebido atenção especial na organização
de conteúdos em fontes de dados, principalmente após sua especificação na
estrutura da Web Semântica. Sua utilização na área da Ciência da Computação
tornou-se frequente no início dos anos 90, em projetos para organização de grandes
bases de conhecimento (MOREIRA, 2004) e foi definido por Gruber (1993) como
“uma especificação explícita de uma conceitualização”. Conceitualização representa
uma visão abstrata e simplificada do mundo. Também se refere a grupo de objetos,
conceitos e outras entidades que se assume existirem em um domínio e os
relacionamentos entre eles (GENESERETH, 1987).
Ontologias foram interpretadas de maneiras diferentes por diversos autores,
como apresenta Guarino (1995). Entretanto, a definição mais aceita e utilizada é a
definição de Gruber (1993), todavia, esta ainda não satisfaz algumas questões da
área da Ciência da Computação. Nesse sentido, a definição de Borst (1997) é a que
melhor se encaixa no contexto desta dissertação. Para esse autor, Ontologia é “uma
especificação formal e explícita de uma conceitualização compartilhada”. Para essa
definição, “formal" significa legível para computadores, "especificação explícita" está
relacionada a conceitos, propriedades, axiomas explicitamente definidos;
"compartilhado" está relacionado ao conhecimento consensual; e "conceitualização",
como já mencionado, diz respeito a um modelo abstrato de algum fenômeno do
mundo real.
Uschold (1996) afirma que uma Ontologia pode ter uma variedade de formas,
mas necessariamente tem que incluir um vocabulário de termos e uma especificação
de seus significados. Nesse contexto, vocabulário são conjuntos de termos que
descrevem as entidades e as relações entre elas. No vocabulário todos os termos
têm definição não redundante e sem ambiguidade (CARDOSO, 2007). Além de uma
27
variedade de formas, Ontologias podem ser utilizadas em contextos variados para
diversas finalidades. Noy (2001) especifica algumas delas:
• partilhar o entendimento comum da estrutura da informação entre pessoas ou
agentes software;
• permitir a reutilização do conhecimento do domínio;
• tornar explícitas as suposições do domínio;
• separar conhecimento do domínio do conhecimento operacional;
• analisar o conhecimento do domínio.
Para este trabalho, a utilização de Ontologias permite o compartilhamento do
vocabulário criado no contexto de OA para dispositivos móveis entre comunidades,
sejam elas, de seres humanos ou de agentes de software. Também teve a finalidade
de definir e organizar apropriadamente os conceitos, relações e restrições,
contribuindo para um ganho de expressividade e flexibilidade, uma vez que, o
repositório proposto, não se restringe a termos e palavras-chave como nos
mecanismos de busca, mas à estrutura e conceitos definidos.
Uma questão crucial para esta dissertação foi compreender como uma
Ontologia formaliza o conhecimento. Noy (2001) e Librelotto (2005) apresentam os
componentes necessários para isso:
• Conceitos (classes) – trata-se da representação de algo, ou de qualquer
coisa, acerca do domínio em questão.
• Propriedades de um conceito - também denominados de atributos.
• Relacionamentos - são as interligações entre os conceitos do domínio.
• Axiomas - representam as condições que irão restringir a interpretação dos
conceitos e relações.
• Instâncias – concretizações dos conceitos e relações que foram estabelecidas
pela ontologia.
Esses conceitos serão aplicados para a criação e especificação da Ontologia
de Objetos de Aprendizagem para dispositivos móveis, proposta neste trabalho e
que será apresentada no Capítulo 6.
28
Um exemplo de Ontologia, especificando como essa pode ser representada,
é apresentado na Figura 1. Essa Ontologia expõe um domínio do planeta Terra,
representando uma hierarquia dos conceitos encontrados nesse domínio. As
relações estão definidas através de ligações entre os conceitos: os conceitos
inferiores são subclasses dos conceitos acima deles e as subclasses herdam as
características de suas classes. Por exemplo: pássaros são animais e seres vivos,
porém não podem ser considerados como plantas.
Figura 1. Exemplo de Ontologia para o planeta Terra (LIBRELOTTO, 2005).
Ontologias permitem a inclusão de qualquer tipo de relacionamento admitido
em um domínio. Como apresenta a Ontologia da Figura 1, além dos
relacionamentos do tipo “é um” (Pássaro é um animal), podem também conter
relações de termos relacionados (Humanos e Pessoa) e relações diversas como
“come” entre Humanos e Peixes (Humano come Peixe). Também é possível a
29
inclusão de propriedades, no caso do exemplo, “Humanos” apresentam como
propriedade peso e altura. Essas propriedades podem ser especificadas por
qualquer tipo de dados.
Ontologias podem ser utilizadas em diversas áreas para diferentes propósitos,
porém, sua utilização foi popularizada com a ideia da Web Semântica, introduzida
por Berners-Lee (2001). A Web Semântica é uma extensão da Web atual, todavia,
proporciona uma estrutura que viabiliza a compreensão e gerenciamento dos
conteúdos armazenados na Web, tanto por pessoas como por computadores,
independendo à maneira de apresentação desses, podendo ser som, texto,
imagens, animações (FERREIRA, 2006) (HENDLER, 2002).
2.2 Web Semântica
A World Wide Web é um repositório de todos os tipos de informação
(HENDLER, 2000), as quais estão estruturadas de modo que possam ser
“entendidas” diretamente pelo homem, pois estes reconhecem facilmente o
significado apresentado (ARAUJO, 2004a). Contudo, diante do crescimento da
Internet em relação à quantidade e complexidade das informações, torna-se
imprescindível a utilização de tecnologias capazes de manipular as informações de
forma automática, a fim de minimizar o processo no qual os usuários pesquisem,
página por página, decidindo se essas satisfazem suas necessidades de pesquisa.
Ainda que tenha sido projetada para possibilitar o fácil acesso, intercâmbio e
a recuperação de informações, a Web foi implementada de forma descentralizada e
quase anárquica; cresceu de maneira exponencial e caótica e deixa muito a desejar
quando precisa-se recuperar aquilo que se tem necessidade. Não há nenhuma
estratégia abrangente e satisfatória para a indexação dos documentos nela contidos,
e a recuperação das informações, possível por meio dos “motores de busca”, é
baseada primariamente em palavras-chave contidas nos documentos, o que é muito
pouco eficaz (SOUZA, 2004).
Diante disso, fica evidente que a maneira como as informações são
estruturadas na Internet, basicamente utilizando a linguagem de marcação HTML,
30
focaliza apenas os aspectos de apresentação dos dados, sem se preocupar com o
seu significado, de forma que a informação se torna pobremente descrita e pouco
passível de ser “entendida” por máquinas. Devido a isso, Berners-Lee (2001)
propôs uma evolução da Web atual, visando fornecer estrutura e significado aos
conteúdos das páginas Web, de modo que tanto humanos quanto agentes
automatizados possam manipular as informações corretamente. Berners-Lee (2001)
intitulou essa nova geração da Web como Web Semântica.
Na Web Semântica, a informação é utilizada com significado bem definido,
aumentando a capacidade dos computadores para trabalharem em cooperação com
as pessoas (BERNERS-LEE, 2001). Como exemplo, cita-se um usuário que está à
procura de informações disponíveis na Internet, para isso, este utilizará um sistema
de busca na Web. A busca desejada pelo usuário seria: “recurso pedagógico da
disciplina Biologia do módulo Genética e tópico Dominância e Recessividade que
execute em dispositivo móvel iPhone”. Dessa pesquisa, nada retornaria ao usuário,
pois os sistemas de busca não se preocupam com a semântica da procura
desejada. Pode-se restringir tal busca, mencionada acima, diretamente a um
repositório de recursos pedagógicos, que, ainda assim, nada seria apresentado. Por
isso, faz-se necessário dar significado aos conteúdos das páginas Web, permitindo
que essas sejam processáveis por máquinas (BERNERS-LEE, 2001) para, dessa
forma, tornar mais eficiente o processo de recuperação de informações.
Nesse contexto, pode-se perceber que a Web Semântica visa facilitar e
melhorar a recuperação de informações relevantes, já que a própria máquina,
dotada de ferramentas inteligentes, funcionaria por associação e dedução
automática para identificar o conteúdo de um site antes de trazê-lo ao usuário como
resultado de uma pesquisa (PICKLER, 2006).
Sendo assim, o primeiro passo para atingir esse objetivo é a criação de
padrões para a descrição de dados e a criação de uma linguagem que permita a
construção e codificação de significados compartilhados. Abaixo, será apresentada
a estrutura da Web Semântica, abordando as tecnologias utilizadas para suprir as
necessidades da Web atual.
31
2.2.1 Estrutura da Web Semântica
Nesta seção, serão apresentados os padrões da Web Semântica, os quais
foram propostos por Berners-Lee (2001) em uma arquitetura em camadas, que está
representada na Figura 2. Esta arquitetura define a representação sintática,
estrutural, semântica e lógica de informações referentes aos recursos Web. A
utilização destes padrões permitirá que as informações possam ser compreendidas
tanto por humanos quanto por computadores.
Figura 2. Arquitetura em camadas da Web Semântica (BERNERS-LEE, 2001).
2.2.1.1 Unicode / URI
Esta camada fornece a interoperabilidade em relação à codificação de
caracteres e ao endereçamento e nomeação de recursos da Web Semântica
(PANSANATO, 2007).
O Unicode é um padrão de codificação para fornecer uma representação
numérica universal e sem ambiguidade para cada caractere de maneira
independente da plataforma de software e de idioma (W3C, 2007), ou seja, é um
padrão para representar caracteres. Qualquer caractere é identificado por um
número de 16 bits, possibilitando até 65536 caracteres. O unicode fornece um único
número para cada caractere, não importando a plataforma, programa ou língua
(UNICODE, 1991).
32
O Unicode é fundamental para a Web Semântica, pois, seus níveis superiores
não precisam se preocupar em decodificar dados e transformá-los de um formato de
representação para outro antes de enviar ou receber mensagens. Toda informação
enviada pela Web Semântica deve estar com seus respectivos identificadores
numéricos definidos pelo Unicode. Portanto, o Unicode pode ser transferido de uma
plataforma para outra, pois não importa a forma como ele foi armazenado em uma
máquina, mas sim, o seu significado, que é padrão, tornando-o independente
também do Sistema Operacional (NETO, 2006).
O Universal Resource Identifier, URI, é uma sequência de caracteres para
identificar um recurso físico ou abstrato. Um recurso pode ser qualquer coisa que
tem identidade, como um documento eletrônico, imagem, serviço, uma coleção de
outros recursos. O URI referencia um recurso de maneira única e global (PRASAD,
2003) e a forma mais comum de URI é a URL (Uniform Resource Locator), que
identifica um recurso através de sua localização na rede (W3C, 2001a).
Na continuidade das camadas, faz-se necessário o desenvolvimento das
definições sintáticas, indispensáveis para atingir o nível de abstração pretendido.
2.2.1.2 XML / NAMESPACES / XML Schema
Estas camadas fornecem a interoperabilidade em relação à sintaxe de
descrição de recursos da Web Semântica (PANSANATO, 2007).
A Extensible Markup Language (XML) é uma linguagem de marcação que
tem por objetivo proporcionar a criação de marcadores e atributos conforme as
necessidades dos desenvolvedores. Um documento XML é um arquivo texto que
contém dados e metadados que, apesar de também ser baseado em marcações,
diferencia-se da limitação e rigidez do HTML e desempenha papel fundamental no
intercâmbio de dados e compartilhamento de informações na Web (W3C, 2001b).
Como os arquivos XML são salvos no formato texto e codificados através do
Unicode, eles podem ser lidos e manipulados em qualquer plataforma
computacional, garantindo, assim, a interoperabilidade requerida pela Web
Semântica (NETO, 2006).
33
Apesar de o HTML e a XML usarem tags para representar as informações, a
XML se diferencia por criar uma estrutura que detalha tais informações. Através das
tags criadas, tanto os usuários quanto as máquinas podem interpretá-las
corretamente. Além disso, as informações, diferentemente do HTML, são separadas
da formatação, o que facilita sua manipulação e recuperação. A XML também
proporciona meios para descrever a sintaxe e as definições semânticas básicas dos
documentos, para que, assim, seja possível efetuar buscas mais precisas e
confiáveis (NETO, 2006).
Como visto, a XML oferece liberdade para a criação de tags, mas esta
característica, a princípio vantajosa, pode trazer conflitos. Em contextos
semelhantes, a nomeação de elementos ou atributos pode utilizar o mesmo nome,
no entanto, com significados diferentes. Portanto, é necessária a utilização de
nomes universais para descrever elementos. Para isso, utilizam-se as namespaces,
as quais caracterizam-se como um mecanismo simples para criar nomes únicos para
os elementos e atributos de um documento XML (W3C, 2006).
O XML Schema oferece meios para verificar se um determinado documento
XML contém somente os elementos e atributos que estão de acordo com a família
de documentos a que pertence. Define tags válidas, estruturas hierárquicas, tipos,
formatos (PRASAD, 2006). É uma linguagem de definição para descrever uma
gramática/esquema para uma classe de documentos XML (W3C, 2004a) (W3C,
2004b).
O XML e o XML Schema possibilitam ao desenvolvedor adicionar estruturas a
seus documentos (sintaxe). Todavia, o XML não explicita o que tais estruturas
significam (semântica). É através do RDF e Ontologias que estes significados podem
ser expressos (FERREIRA, 2006).
2.2.1.3 RDF / RDF Schema
Esta camada fornece um framework para representar informação
(metadados) sobre recursos (PANSANATO, 2007).
34
O Resource Description Framework (RDF) é uma linguagem para representar
informações sobre recursos na Web, ou seja, para representar metadados - os
dados dos dados (W3C, 2004c). É construída sobre o XML e utilizada para fazer
afirmações sobre entidades e documentos como um todo. Enquanto o XML serve
para adicionar metadados a partes de um documento, com o RDF pode-se associar
metadados ao documento como uma entidade única (DACONTA, 2003).
Seu desenvolvimento foi motivado, segundo a W3C (2002), por várias
razões, entre elas:
• possibilidade de atender aplicações que necessitam de modelos de
informações abertos em vez de restritos;
• capacidade de fazer pelas informações processáveis por máquina o que a
Web fez pelo hipertexto: permitir que dados sejam processados fora do
ambiente particular em que foram criados;
• capacidade de combinar informações de diferentes aplicações para chegar
a novas informações.
O RDF fornece um modelo de dados fundamentado na ideia de expressar
declarações simples sobre recursos, isto é, cada recurso possui uma propriedade, à
qual se atribui um valor, sendo que, em RDF, o recurso é chamado de sujeito, a
propriedade de predicado e o valor de objeto. É visualizado no formato da tripla
(sujeito, predicado, objeto) ou em forma de grafo (W3C, 2002).
Para melhor entendimento do modelo de dados, é apresentado o seguinte
exemplo: “O Objeto de Aprendizagem intitulado Permutação, criado em 2009 na
Universidade Federal de Santa Maria (UFSM), faz parte da disciplina de
Matemática”. Esse exemplo pode ser facilmente entendido por qualquer pessoa
familiarizada no contexto de Objetos de Aprendizagem. Porém, uma informação
estruturada dessa maneira, dificultará a extração das informações pela máquina. Por
esse motivo, é necessário representar as informações através de uma estrutura
melhor organizada, para, assim, facilitar a sua manipulação. O Quadro 2 traz as
informações representadas sob o modelo RDF, com a tripla (sujeito, predicado,
objeto).
35
Sujeito ou Recurso Objeto de Aprendizagem: Permutação
Predicados ou
Propriedades
Instituição Disciplina Ano Título/nome
Objetos ou valores UFSM Matemática 2009 Permutação
Quadro 2. Declarando Objeto de Aprendizagem na forma de Triplas.
Essa especificação do Objeto de Aprendizagem (Quadro 2) pode ser vista
como uma descrição formada por um recurso (Objeto de Aprendizagem:
Permutação) e declarações, que formam os pares propriedades (Instituição,
Disciplina, Ano, Título) e valores associados (UFSM, Matemática, 2009,
Permutação). Para melhor entendimento das declarações em RDF, é possível
visualizá-las através de um grafo, como apresenta a Figura 3.
Figura 3. Grafo correspondente à visão RDF do Quadro 2.
No exemplo acima, tem-se o sujeito (Objeto de Aprendizagem: Permutação)
descrito literalmente, sem a utilização de uma URI. Esta maneira de descrição pode
facilitar o entendimento por pessoas, porém, prejudica os objetivos da Web
Semântica, não referenciando o recurso de maneira única e global. Como visto na
primeira camada da arquitetura da Web Semântica, o emprego de URIs é feito para
evitar esse tipo de problema. A forma mais conhecida de URI, como já comentado, é
a URL (Figura 4).
Pode-se perceber, pela Figura 4, que, além do recurso, os valores também
podem ser definidos através de URIs, o que os transforma em sujeitos de outras
declarações, possibilitando a criação de uma estrutura de conhecimento não
ambígua. A vantagem da unicidade também vale para os predicados, os quais são
36
descritos em um vocabulário. Através desses vocabulários, comunidades
estabelecem termos padrões para a descrição de recursos relacionados com sua
área de interesse (SANTACHÈ, 2003).
Figura 4. Grafo RDF com recurso identificado por URI.
Um exemplo de vocabulário é o criado por Dublin Core (DCMI, 2005), o qual
padroniza diversos tipos de informações. Como ainda não existem padrões de
metadados que definam todas as variadas necessidades dos utilizadores, existe a
possibilidade da criação de um vocabulário próprio, sem a necessidade de ser
submetido a um órgão controlador (NETO, 2006), neste caso, identificado por
‘http://www.ufsm.br/Ontologia/road/’ o qual define os atributos instituição e disciplina.
O título e data podem ser definidos com a utilização dos atributos date e title do
vocabulário Dublin Core. A seção 2.3 apresentará maiores informações sobre
metadados.
O RDF também fornece uma linguagem para a definição de esquemas, o
RDF Schema (W3C, 2004d). O RDF Schema funciona como um modelo simples
para descrever relações entre recursos (DACONTA, 2003), definindo as classes do
domínio e relações entre elas, como, por exemplo, a relação de subclasse.
A sintaxe abstrata baseada em grafos RDF é útil por facilitar o entendimento
das informações. Entretanto, para que essas informações possam ser processadas
por máquinas, é necessário que sejam codificadas. Para isso, a W3C definiu a
utilização da XML como base para a construção de documentos RDF, definindo
37
assim, a linguagem RDF/XML. Sua sintaxe pode ser conferida abaixo, a qual
apresenta a codificação do grafo da Figura 4.
[1]<?xml version="1.0"?>
[2]<rdf:RDF
[3] xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
[4] xmlns:road="http://www.ufsm.br/Ontologia/road/"
[5] xmlns:dc="http://purl.org/dc/elements/1.1/"
[6] xmlns:xsd="http://www.w3.org/2001/XMLSchema#">
[7] xmlns:rdfs="http://www.w3.org/2000/01/rdf/rdf-schema#">
[8] <rdf:Description
[9] rdf:about="http://www.ufsm.br/objetoAprendizagem/matematica/mat_perm">
[10] <road:disciplina
[11] rdf:resource="http://www.ufsm.br/disciplinas/matematica"/>
[12] <dc:date>2009</dc:date>
[13] <dc:title>Permutacao</dc:title>
[14] <road:instituicao rdf:resource="http://www.ufsm.br"/>
[15 ]</rdf:Description>
[16]</rdf:RDF>
A linha 1 serve para indicar que o documento em questão é um documento
XML. A linha 2 indica que o conteúdo encontrado neste documento é composto de
declarações RDF. As linhas entre 3 e 7 definem os namespaces e os prefixos
utilizados para declaração das informações.
A linha 9 indica a descrição do recurso. As linhas entre 10 e 14 apresentam a
descrição dos predicados com seus respectivos objetos. Como é possível perceber,
na linha 10 e 11, disciplina é definida como recurso, bem como a instituição na linha
14. Data e título são definidos como literais.
2.2.1.4 Ontology Vocabulary
Esta camada fornece suporte para a evolução de vocabulários e para
processar e integrar a informação existente sem problemas de indefinição ou conflito
de terminologia. A linguagem RDF Schema permite a construção de Ontologias com
expressividade e inferência limitadas, pois fornece um conjunto básico de elementos
para a modelagem e poucos desses elementos podem ser utilizados para inferência.
A Web Ontology Language - OWL (W3C, 2004) estende o vocabulário da RDF
38
Schema para incluir elementos com maior poder em relação à expressividade e
inferência (PANSANATO, 2007).
A OWL é dividida em três sub-linguagens que são diferenciadas pelo seu grau
de expressividade, são elas (W3C, 2004):
• OWL Lite: suporte à classificação hierárquica e restrições simples. Por
exemplo, embora suporte restrições de cardinalidade, ela só permite
valores de cardinalidade 0 ou 1.
• OWL DL: suporte à maior expressividade, enquanto mantém a
computabilidade (garante-se que todas as conclusões sejam
computáveis) e decidibilidade (todas as computações terminarão em
tempo finito). OWL DL inclui todos os construtores da linguagem OWL.
• OWL Full: suporte à máxima expressividade e a liberdade sintática do
RDF, porém sem garantias computacionais. Por exemplo, uma classe
pode ser tratada simultaneamente como apenas um indivíduo e como
uma coleção de indivíduos.
Para Breitman (2005), a OWL é a linguagem aberta da Web Semântica,
servindo para garantir uma comunicação livre de ambiguidades e que fornece
entendimento comum e compartilhado do conhecimento entre membros de
comunidades, sejam esses, seres humanos ou agentes de software. Nesse sentido,
tornar-se-á o fator chave para o desenvolvimento da Web Semântica (CUNHA,
2002).
A sintaxe da OWL pode ser conferida no Anexo B, a qual apresenta Ontologia
de OA para dispositivos móveis, que será definida no Capítulo 6.
2.2.1.5 Logic / Proof / Trust
Finalizando as definições sobre a arquitetura da Web Semântica, há ainda
três camadas acima da “Ontology Vocabulary”: a Logic, que expressa conhecimento
através de regras; a Proof, que utiliza essas regras para inferir conhecimento; e a
39
Trust, que fornece mecanismos para determinar o grau de confiança do
conhecimento obtido. Essas camadas ainda estão sob desenvolvimento e por esse
motivo não serão aprofundadas nesta dissertação.
2.3 Metadados
Como visto durante esse Capítulo, a dificuldade de se obter resultados
precisos em buscas na Web mostra a necessidade da evolução desta para uma
Web Semântica. Os padrões adotados pela W3C para compor essa evolução
permitem que se possa atribuir significados sobre recursos, isto é possível a partir da
utilização dos dados sobre dados. Esses dados sobre dados são chamados de
metadados e são definidos por Rosenfeld (1998) como informações estruturadas
que descrevem, explicam e localizam, ou ainda, possibilitam que um recurso
informacional seja fácil de recuperar, usar e gerenciar.
Com o crescimento das iniciativas baseadas em metadados, cada qual com
sua filosofia e conceitos, sua utilização para descrever recursos na Web e, assim,
permitir a interoperabilidade e compartilhamento de informações entre os sistemas,
acaba não ocorrendo, deste modo, prejudicando os objetivos da Web Semântica.
Para isso, quando possível, se faz necessária a utilização de padrões de
metadados. A utilização desses padrões para descrever recursos permite buscas
mais precisas, facilidade de gerenciamento e compartilhamento mais eficiente.
Existem vários padrões internacionais de metadados, entretanto, os mais
utilizados no domínio dos Objetos de Aprendizagem são o IEEE LOM e o Dublin
Core. O padrão IEEE Learning Object Metadata (IEEE LOM) foi desenvolvido pelo
IEEE Learning Technology Standards Committee (LTSC), e objetiva especificar a
sintaxe e a semântica de metadados de objetos de aprendizagem, definindo os
atributos necessários para descrever adequadamente e/ou completamente um
Objeto de Aprendizagem, favorecendo o gerenciamento, localização e avaliação
destes (LOM, 2004). O conjunto de metadados do IEEE LOM é apresentado na
Figura 5, o qual é divido em nove categorias (IMS, 2004):
40
• Geral: agrupa a informação geral que descreve o Objeto de
Aprendizagem como um todo;
• Ciclo de vida: agrupa as características relacionadas à história e ao
estado corrente do OA;
• Meta-metadado: descreve informações sobre o próprio metadado;
• Técnica: agrupa as exigências e características técnicas do OA;
• Educacional: agrupa as características educacionais do OA;
• Direitos: agrupa os direitos de propriedade intelectual e condições de
uso para o OA;
• Relação: agrupa características que definem a relação entre o OA e
outros correlacionados;
• Anotação: provê comentários quanto à utilização educacional do OA e,
quando e por quem foram criados os comentários;
• Classificação: permite descrever um OA em relação a um sistema
particular de classificação.
Figura 5. Elementos e a estrutura do IEEE LOM (IMS, 2004).
41
A Dublin Core Metadata Initiative (DCMI, 1995) é uma organização aberta que
está engajada no desenvolvimento de padrões de metadados interoperáveis e no
desenvolvimento de vocabulários especializados de metadados para descrever
recursos. Possui como objetivo a criação de padrões simples e abrangentes para
busca, compartilhamento e gerenciamento da informação. O conjunto de metadados
Dublin Core compreende 15 atributos, estes são (DCMI, 2006):
• Title: título do recurso;
• Creator: entidade responsável por criar o recurso;
• Subject: assunto;
• Description: descrição do recurso;
• Publisher: entidade responsável por disponibilizar o recurso;
• Contributor: entidade que contribuiu com o recurso;
• Date: ponto ou período no tempo associado ao ciclo de vida do recurso;
• Type: natureza do recurso;
• Format: formato do arquivo;
• Identifier: identificador único do recurso;
• Source: relacionado à localização do recurso;
• Language: idioma;
• Relation: recurso relacionado;
• Coverage: tópico espacial ou temporal do recurso, como um nome de lugar,
coordenadas geográficas, período, data;
• Rights: informações sobre direitos autorais.
No Capítulo 6, serão apresentados quais os padrões de metadados e
categorias foram utilizadas a fim de descrever os OA para dispositivos móveis, já
que não é necessária a utilização de todos os metadados definidos pelos padrões, o
que permitiu a escolha dos mais adequados para a proposta desta dissertação.
Também foram definidas outras propriedades necessárias para a descrição dos OA,
em relação aos dispositivos móveis e ao contexto educacional, as quais não estão
definidas nos padrões internacionais citados.
42
3 COMPUTAÇÃO MÓVEL
Os avanços tecnológicos centrados na mobilidade vêm transformando a
maneira como o usuário “vê” a tecnologia. Interfaces e interações inteligentes,
recursos multimídia, comunicação sem fio, altas velocidades no acesso aos dados
da Web, tudo em um único dispositivo, estão ocasionando um crescimento sem
limites do uso dessas tecnologias por usuários de todo o mundo.
Segundo a União Internacional de Telecomunicação (ITU, 2009), durante o
ano de 2008, foi alcançada a marca de 4.1 bilhões de dispositivos móveis no mundo,
como é possível perceber na Figura 6.
Figura 6. Crescimento do número de dispositivos móveis no mundo (ITU, 2009).
Esse crescimento está ligado ao fato da criação de novas tecnologias
utilizadas em dispositivos móveis (processadores velozes, telas sensíveis ao toque e
de altas definições, tamanhos e pesos reduzidos), da disponibilidade de altas
velocidades em redes sem fio (Wi-Fi e 3G) e da melhoria em qualidade e
capacidade das aplicações voltadas à computação móvel.
Existem várias definições para computação móvel, porém a que melhor se
encaixa para esta dissertação é definida por Augustin (2004) como: a computação
43
distribuída, na qual, mesmo durante uma execução computacional, a localização dos
envolvidos pode mudar.
Para Talukder (2005) um ambiente de computação móvel é definido se
suportar as seguintes características:
• mobilidade do usuário e serviço: o usuário deve ser capaz de se mover
de um local para outro e ter a disponibilidade de utilizar o mesmo
serviço. Por exemplo: um usuário, mesmo se movendo de um local “X”
para um local “Y”, pode utilizar a Internet da mesma maneira que ele a
utiliza do seu local de trabalho;
• mobilidade de dispositivo: o usuário deve ser capaz de se mover de um
local para outro e ter a disponibilidade de utilizar o mesmo dispositivo
móvel, ou trocar de dispositivo e ter acesso ao mesmo serviço;
• mobilidade de rede: o usuário deve ter a possibilidade de mudar de
uma rede para outra e mesmo assim ter disponibilidade de acesso aos
serviços.
Quando se alia a essas características da computação móvel um processo de
ensino/aprendizagem tem-se um novo paradigma na educação – a Educação Móvel,
mais conhecida como Mobile Learning ou M-Learning – a qual reforça as
características da aprendizagem independente de hora ou localização (MOTLIK,
2008) (GEORGIEV, 2004)
3.1 Mobile Learning
Nos últimos anos, tem-se vivenciado o surgimento de uma sociedade
dependente da utilização de tecnologias móveis para comunicação e acesso a
informação. Essa sociedade se desvincula dos parâmetros de localização e de
horários pré-definidos e utiliza essas tecnologias conforme suas necessidades. Esse
cenário apresenta a evolução da computação Desktop para a computação móvel e
define o surgimento de um novo paradigma na educação, a Mobile Learning.
44
Uma característica fundamental da M-Learning é a mobilidade dos
aprendizes, os quais podem estar fisicamente/geograficamente distantes uns dos
outros e também de espaços físicos formais de educação, tais como salas de aula
(SCHLEMMER, 2007), o que possibilita uma aprendizagem contextualizada,
personalizada, colaborativa e móvel (RIBEIRO, 2009). Isto significa dizer que, a
aprendizagem fora dos parâmetros da sala de aula convencional, a partir da
utilização da M-Learning, necessitará, nada além do que a motivação do aprendiz
para que aconteça (HULME, 2005).
A utilização de tecnologias móveis na educação pode proporcionar benefícios
tanto aos alunos quanto aos professores. Aos alunos é proporcionada uma maior
flexibilidade na aprendizagem, sendo que o material estará acessível através de
seus dispositivos móveis, permitindo-lhes aprender como e quando for necessário,
não importando onde estejam, mesmo que em movimento. Já aos educadores é
fornecido um novo meio para disponibilização do material pedagógico, como
também um novo meio de interação com o aluno (SIAU, 2008) (STARR, 2007).
Não é apenas para o contexto educacional que M-Learning pode ser utilizada.
A aplicação de Tecnologias da Informação Móvel e Sem Fio, adotada para
automação de atividades de trabalhadores móveis, podem ser utilizadas também
como ferramentas para aprendizagem e atualização em trabalho. Esses
trabalhadores podem passar mais tempo onde necessitam estar, pois os espaços de
aprendizagem deixam de estar restritos a lugar e horário. Assim, a aprendizagem
pode ocorrer com mais frequência e rapidez (REINHARD, 2007).
A M-Learning vem sendo foco de muitas pesquisas científicas atuais, as quais
apresentam as mais variadas aplicações dentro desse contexto. Pode-se citar
(BARCELOS, 2009) que apresenta o uso da M-Learning no ensino de algoritmos
através da utilização da mídia vídeo. O autor relata problemas com a
incompatibilidade de formatos de vídeos entre os dispositivos móveis, todavia, expõe
que a utilização dessa tecnologia tem o potencial de melhorar o desempenho dos
estudantes. Marçal (2005) apresenta uma aplicação que emprega recursos de
realidade virtual em dispositivos móveis para auxílio à aprendizagem, o MuseuM.
Nessa pesquisa, os dispositivos móveis são utilizados no interior dos museus,
funcionando como guias virtuais e fornecendo informações sobre as obras.
Outro caso importante sobre a utilização da M-Learning, refere-se ao estudo
feito por Crawford (apud GRAZIOLA, 2008), o qual foi realizado com mais de 100
45
instituições de ensino dos Estados Unidos, e trata da utilização de dispositivos
móveis em escolas. Conforme o estudo, além dos dispositivos móveis propiciarem
inúmeros benefícios, os professores envolvidos aceitaram a utilização deles em sala
de aula. Alguns dos resultados da pesquisa são apresentados abaixo:
• 89% dos professores descobriram nos dispositivos móveis eficientes
ferramentas de ensino;
• 93% dos professores acreditam que os dispositivos móveis podem ter um
impacto positivo na aprendizagem dos alunos;
• 90% dos professores pretendem continuar a utilizar os dispositivos móveis em
suas aulas;
• 75% dos professores que permitiram que os alunos levassem os dispositivos
móveis para casa, constataram um aumento na conclusão dos trabalhos de
casa;
• entre os alunos, 66% acharam confortável o uso do dispositivo móvel. Quase
a totalidade dos professores afirmou que a utilização de softwares educativos
apropriados e acessórios foi de fundamental importância na aprendizagem.
Conforme relato dos professores, os dispositivos móveis propiciaram um
aumento significativo na colaboração, uma maior motivação nas atividades
propostas, além da comunicação, entre os alunos.
Todas essas situações de aprendizagem com mobilidade fazem parte do
contexto atual da M-Learning. Entretanto, as definições sobre essa começaram a
surgir ainda por volta do ano 2000, sendo que esta nova modalidade de ensino veio
à tona devido ao crescimento do uso de celulares. Nessa época, esses aparelhos
começaram a trazer tecnologias que pudessem ser utilizadas, de alguma maneira,
no ensino. Outro advento que contribuiu com o M-Learning, foi o crescimento
exponencial da modalidade de Ensino a Distância.
Muitos dos autores daquela época ainda são amplamente referenciados em
pesquisas atuais, entre eles, as definições mais utilizadas sobre M-Learning são:
“É a E-Learning através do uso de dispositivos computacionais móveis...”
(QUINN, 2000).
46
“O termo Mobile Learning (M-Learning) se refere ao uso de dispositivos
móveis, como PDAs, celulares, laptops e Tablet Pcs, no ensino
aprendizagem.” (WOOD, 2003).
“... é o ponto em que a computação móvel e o E-Learning se interseccionam
para produzir em qualquer hora e qualquer lugar uma experiência de
aprendizagem” (HARRIS, 2001).
“... o E-Learning simplesmente se tornará o M-Learning, sem qualquer
alteração no conteúdo.” (NYIRI, 2002)
Pode-se perceber que as definições de Quinn (2000), Wood (2003) e Harris
(2001) assemelham-se e condizem com a realidade de utilização da M-Learning,
porém, a definição de Nyiri (2002) ainda não se encaixa nesse contexto atual, pois,
por mais que dispositivos móveis tenham evoluído tecnologicamente, ainda é
necessária a adaptação de alguns materiais/conteúdos para que haja uma boa
visualização e execução deles. Essa adaptação é imprescindível, pois, algumas
tecnologias são limitadas ou inexistentes em dispositivos móveis. Por exemplo, um
Objeto de Aprendizagem programado na linguagem Flash para Desktops, não
poderá ser executado em um dispositivo móvel sem uma correta adaptação de tal
OA para o formato Flash Lite. Além disso, é necessário verificar a disponibilidade de
tal dispositivo em executar essa tecnologia.
A M-Learning, diante da proposta desta dissertação, está relacionada a duas
abordagens distintas, mas que se utilizam da mobilidade para reforçar o processo de
ensino/aprendizagem. A primeira abordagem refere-se à total independência de
localização e do contexto em que estão envolvidos os usuários, levando em
consideração apenas a oportunidade de utilizarem seus dispositivos móveis para um
processo de aprendizagem. A partir disso, o processo de ensino/aprendizagem
também pode ocorrer nos “tempos vagos”, ou seja, em um aeroporto a espera de
um vôo, em uma viagem de ônibus ou na sala de espera de um consultório médico.
A outra abordagem refere-se à utilização da M-Learning com localização e
contexto definidos, isto é, um professor pode aproveitar a disponibilidade de que
seus alunos tenham dispositivos móveis em sala de aula e, assim, criar um momento
de aprendizagem. Por exemplo: alguns alunos estão com dificuldades em entender
47
determinado assunto explicado pelo professor, devido às metodologias tradicionais
de ensino que utiliza. No cenário da M-Learning, esta dificuldade poderá ser
amenizada pela possibilidade de os alunos acessarem, através de seus dispositivos
móveis, sem qualquer tipo de deslocamento a laboratórios, algum material
pedagógico digital animado e interativo, como um Objeto de Aprendizagem, para
reforçar a aprendizagem do assunto proposto.
Como foi possível perceber durante esta seção, a M-Learning encontra-se em
fase de expansão devido as suas potencialidades, no entanto, como sua utilização
está atrelada a dispositivos móveis, a maioria das novas contribuições com a M-
Learning são específicas para utilização em uma linha única de dispositivos móveis
de mesmo fabricante e/ou Sistema Operacional. Isto se deve pela falta de
padronização entre eles, até os de mesmo fabricante, o que gera a necessidade de
criar recursos pedagógicos educacionais específicos para cada um. Essas
limitações são derivadas tanto em relação ao software quanto ao hardware, como
poderá ser observado na seção abaixo.
3.2 Dispositivos móveis
Existem muitos tipos de dispositivos móveis, contudo, nesta dissertação,
serão considerados apenas os tipos de dispositivos compactos ao ponto de
possibilitarem seu transporte juntamente com o usuário, tamanho reduzido ao ponto
de caberem em um bolso e que permitam fácil manipulação através das mãos. Os
dispositivos que melhor se encaixam nestas configurações são os celulares,
Smartphones e os PDAs.
As funções/características dos dispositivos móveis variam de acordo com
cada fabricante, entretanto, a maioria desses traz uma série de funções em comum,
por exemplo, telefone, câmera fotográfica, filmadora, player de música, acesso à
Internet, entre outros, como mostra a Figura 7. Porém, mesmo que os dispositivos
móveis apresentem funções em comum, não significa que o seu funcionamento
ocorra da mesma maneira, mesmo em modelos de mesmo fabricante. Por exemplo,
o Smartphone Samsung Jét (SAMSUNG, 2009a) executa o formato de vídeo WMV,
48
já o dispositivo Samsung Scrapy (SAMSUNG, 2009b) não aceita esse formato. Isso
mostra a falta de padronização dos dispositivos móveis, até entre os mesmos
fabricantes. Além disso, na grande maioria desses dispositivos, a instalação de
algum tipo de programa para permitir a execução de algum formato de arquivo extra
ao que o dispositivo suporta, é quase inexistente.
Figura 7. Características dos dispositivos móveis (HULME, 2005).
Diante do objetivo desta dissertação, é necessário ter conhecimento sobre os
principais formatos de arquivo suportados pelos dispositivos móveis, deixando claro
que dificilmente se encontrará um dispositivo que execute todos esses formatos.
Os formatos, separados por cinco categorias, são (WURFL, 2004): vídeo (MOV,
FLV, MP4, MPEG), áudio (MP3, WMA, WAV, AAC), figura (PNG, BMP, GIF, JPG),
animação (Flash Lite, J2ME) e simulação (GIF animado, Flash Lite, J2ME).
Entretanto, não é somente em Software que os dispositivos móveis se diferenciam,
podendo também apresentar diferenças quanto ao hardware. Porém, em relação a
essa característica, este trabalho focalizará somente a questão de resolução de tela,
49
as quais variam muito, e podem prejudicar ou invalidar a execução de um Objeto de
Aprendizagem.
Diante dessas especificações apresentadas, podem-se perceber as limitações
existentes no contexto de dispositivos móveis, as quais atingem diretamente a
expansão da M-Learning. Devido a isso, existem organizações trabalhando em prol
de uma padronização para sistemas computacionais, entre estas estão a LTSC da
IEEE (COMMITTEE, 2005) e a European Committee for Standardization (ECS,
2008). Porém, o que se tem de resultado mais concreto sobre padronização é a
utilização de páginas Web, as quais seriam capazes de adaptar-se para uma boa
visualização em qualquer dispositivo, tanto móvel quanto fixo. Exemplo disso são os
trabalhos desenvolvidos pelo grupo Mobile Web Initiative (W3C, 2005) pertencente a
W3C, que buscam a definição de uma Web única, baseada em regras que, quando
seguidas por desenvolvedores, permitem que o conteúdo resultante seja visualizado
em qualquer tipo de dispositivo. Em virtude disso, o repositório proposto nesta
dissertação é baseado na Web.
Todavia, mesmo que o acesso ao repositório possa ser realizado pela grande
maioria dos dispositivos móveis através de browsers, o acesso aos Objetos de
Aprendizagem continua a ser limitado pelas diferentes características de dispositivos
móveis em relação à execução de determinados tipos de arquivos. Por isso, fez-se
necessário um estudo desses Objetos de Aprendizagem e seus variados formatos
de arquivo.
50
4 OBJETOS DE APRENDIZAGEM
Considerando a construção de soluções de aprendizagem com mobilidade, é
necessário que essas devam priorizar os critérios de usabilidade, acessibilidade,
mobilidade, colaboração/cooperação (SCHLEMMER, 2007). Como os Objetos de
Aprendizagem empregam as características citadas e a eles podem ser aplicados os
padrões de padronização, pois podem ser acessados através do Browser, eles
foram o recurso pedagógico digital utilizado nesta dissertação para analisar a prática
da M-Learning através do ROAD.
Objetos de Aprendizagem são “quaisquer recursos digitais que possam ser
reutilizados para o suporte ao ensino” (WILEY, 2002). Como “recurso digital”
entende-se, nessa situação, simulações, animações, vídeos, fotos, sons, figuras,
texto.
Uma Simulação tem por propósito imitar um processo do mundo real, uma
Animação apresenta desenhos e/ou textos em movimento, HTML apresenta
somente texto, Figura apresenta uma imagem, Vídeos apresentam uma sequência
de imagens e Som apresenta um arquivo com áudio. Esses podem estar associados
a diversos formatos ou linguagens de programação, por exemplo, uma simulação
pode utilizar recursos como Java Apllets ou Flash como linguagem; uma animação
pode ser apresentada em Power Point ou com recursos HTML associada a imagens
(GIF, JPEG, PNG); vídeos podem estar em formatos diversos (MOV, FLV, MP4,
MPEG), assim como arquivos de áudio (MP3, WMA, WAV, AAC).
Retornando à definição de Wiley (2002), por “reutilizado” entende-se que,
quando um objeto é criado, ele é definido por algumas características que
determinam sua possibilidade de reutilização. Essas características, segundo
Longmire (2000), Mendes (2004) e Miranda (2004), são:
• Granularidade: o conteúdo pode ser dividido em pedaços para facilitar
sua reusabilidade, isto é, o objeto é uma pequena parte de um conceito
maior, mas que prevalece independente do restante;
51
• Acessibilidade: acessível facilmente via Internet para utilização
independente de local;
• Interoperabilidade: possibilidade de execução independente de
hardware e software.
• Flexibilidade e customização: podem ser reutilizados sem qualquer tipo
de manutenção. No entanto, caso necessário, proporciona facilidade
para realização de mudanças/alterações.
Além das características ligadas diretamente à reutilização dos OA, segundo
Gama (2007), os Objetos de Aprendizagem também necessitam apresentar
características relacionadas à satisfação dos usuários. Entre as principais
características estão:
• Pedagógicas: conjunto de atributos que evidenciam a convivência e a
viabilidade de utilização de software em situações educacionais;
• Ergonômicas: conjunto de atributos que evidenciam a usabilidade do
Objeto de Aprendizagem;
• Adaptabilidade: conjunto de atributos que evidenciam a capacidade do
Objeto de aprendizagem de se adaptar às necessidades e preferências
do usuário.
Os Objetos de aprendizagem são utilizados para apoiar educadores no
processo de ensino/aprendizagem. Muitos exemplos na literatura apresentam
aplicações bem sucedidas desse recurso no ensino, nas quais, o processo de
aprendizagem, pelos alunos, ocorreu mais facilmente. Entre as pesquisas destacam-
se Souza (2007), Lucchesi (2006), Macedo (2007), Marin (2007), Mathias (2009). A
Figura 8 apresenta um exemplo de Objeto de Aprendizagem da disciplina de
Matemática, apresentado por Marin (2007). Esse Objeto de Aprendizagem tem por
finalidade fazer com que o aluno entenda facilmente os problemas de permutação,
experimentando várias situações do cotidiano (MARIN, 2007).
52
Figura 8. Exemplo de Objeto de Aprendizagem (MARIN, 2007).
Não somente no contexto escolar os Objetos de Aprendizagem podem ser
utilizados. Um exemplo disso é sua utilização no contexto empresarial, no qual
funcionários atualizam-se individualmente em qualquer hora e local, de acordo com
suas necessidades. Como, atualmente, tem-se uma economia embasada fortemente
no conhecimento, as empresas compreendem que a constante atualização
instrucional de seus funcionários é algo que as torna mais competitivas. Essa
questão acaba por impulsionar a disponibilidade de treinamentos de qualificação de
funcionários por parte das empresas. Uma boa alternativa para tais treinamentos é a
utilização de OA, visto que esses são uma tecnologia de treinamento rápida,
eficiente e de baixo custo. Além disso, o uso de OA possibilita um aprendizado
individualizado, em que cada funcionário aprende de acordo com suas necessidades
e no seu ritmo de estudo (COBCROFT, 2006).
Uma grande vantagem dos Objetos de Aprendizagem é a sua distribuição na
Internet, o que possibilita o acesso por qualquer pessoa a qualquer hora e, com o
advento da M-Learning, acesso a partir de qualquer local. Contudo, OA para
dispositivos móveis não são iguais aos criados para acesso em Desktops. O
hardware e o software limitado dos dispositivos móveis restringem a utilização das
mesmas tecnologias de desenvolvimento utilizadas em Desktops. Por isso, se faz
necessário a adaptação de tais OA para permitir sua execução em dispositivos
móveis.
53
4.1 Objetos de Aprendizagem para dispositivos móveis
Já existem várias iniciativas de pesquisas sobre a utilização de Objetos de
Aprendizagem para dispositivos móveis, algumas delas podem ser encontradas em
(OLIVEIRA e MEDINA, 2007), (CRUZ, 2008), (TOLEDANO, 2006), (FRANCISCATO,
2009a) entre outros. Essas pesquisas expõem um novo paradigma para a utilização
de Objetos de Aprendizagem: a sua utilização não mais associada a Desktops e sim
a dispositivos móveis. Alguns exemplos das pesquisas citadas podem ser vistas na
Figura 9.
Figura 9. Exemplos de Objetos de Aprendizagem para dispositivos móveis.
Como visto no Capítulo 3, dispositivos móveis apresentam certas limitações
em questões de hardware e software, as quais atingem diretamente a execução de
Objetos de Aprendizagem, pois, podem estar associados a arquivos de diferentes
formatos e necessitar de certa resolução de tela para poderem ser executados. As
peculiaridades técnicas dos OA, quando combinadas com as limitações dos
dispositivos móveis, resultam em uma inconsistência na execução dos Objetos de
Aprendizagem, ou seja, alguns podem ser acessados adequadamente e outros não.
Uma das questões a ser esclarecida é como um aluno pode pesquisar por
Objetos de Aprendizagem para obter resultados que satisfaçam suas necessidades
e que tenha a garantia de que eles irão executar em seu dispositivo móvel. Para
discorrer sobre essa questão, é necessário entender primeiro, como e onde os
Objetos de Aprendizagem são armazenados, para que, assim, possam estar
54
disponíveis para descoberta e acesso. Esses locais de armazenamento são
chamados de repositórios de Objetos de Aprendizagem.
4.2 Repositório de Objetos de Aprendizagem
A reusabilidade e o compartilhamento são as principais características dos
Objetos de Aprendizagem. Contudo, para que isso seja possível, faz-se necessária a
existência de um meio de armazenamento que permita a pesquisa, o acesso e a
recuperação deles. Essa é a finalidade dos repositórios de Objetos de
Aprendizagem, os quais são definidos como: bancos de dados que armazenam e
gerenciam Objetos de Aprendizagem (ROHDE, 2004). Neven (2002) adiciona a essa
definição o fato de serem disponibilizados na Web.
Para esta dissertação, foram analisados os seguintes Repositórios de Objetos
de Aprendizagem: Merlot (MERLOT, 1997), Wisc (WISC, 2001), Rived (RIVED,
2004), Cesta (CESTA, 2003), Lume (LUME, 2007) e BIOE (BIOE, 2008). Eles foram
escolhidos porque abrangem usuários do contexto nacional e internacional,
disponibilizando OA de diversas categorias e que variam do ensino primário até o
ensino superior.
• O Multimidia Educational Resource for learning and Online Teaching
(Merlot) é um repositório de Objetos de Aprendizagem reconhecido
internacionalmente que armazena apenas metadados dos Objetos de
Aprendizagem, permitindo a busca pelos mesmos sem a necessidade
de seu armazenamento (MERLOT, 1997). Os OA variam entre
animações e simulações.
• O Wisconsin Online Resource Center (Wisc) também é reconhecido
internacionalmente e mantém todos seus OA armazenados no próprio
repositório, os quais são produzidos e desenvolvidos por equipes do
Wisconsin Technical College System (WISC, 2001). Os OA
armazenados variam entre vídeos, animações, simulações, sons,
figuras, textos.
55
• A Rede Interativa Virtual de Educação (Rived) é o mais conhecido
Repositório brasileiro de Objetos de Aprendizagem. Todos os OA estão
armazenados no próprio repositório e são limitados a animações e
simulações.
• O repositório Coletânea de Entidades de Suporte ao uso de Tecnologia
na Aprendizagem (Cesta) foi idealizado com vistas a sistematizar e
organizar o registro dos objetos educacionais. Os OA armazenados
variam entre vídeos, animações, simulações, sons, figuras, textos
(CESTA, 2003).
• O Repositório Digital da Universidade Federal do Rio Grande do Sul
(Lume) é um portal de acesso às coleções digitais de documentos
gerados no âmbito da própria Universidade e de outros documentos de
caráter histórico. Os documentos digitais que integram as coleções
podem conter texto, imagem, vídeo e áudio (LUME, 2007).
• O Banco Internacional de Objetos Educacionais (BIOE) é um
repositório criado em 2008 pelo Ministério da Educação em parceria
com o Ministério da Ciência e Tecnologia, a Rede Latino Americana de
Portais Educacionais, a Organização dos Estados Ibero-americanos, e
outros. Tem o propósito de manter e compartilhar recursos
educacionais digitais elaborados e em diferentes formatos, como
áudio, vídeo, animação, simulação, imagens e hipertexto (BIOE, 2008).
Uma realidade encontrada nesses seis repositórios de Objetos de
Aprendizagem é a falta de qualquer tipo de preocupação com as peculiaridades de
dispositivos móveis, isto é, eles não apresentam interfaces adaptadas para telas de
pequeno porte, como também não disponibilizam filtros de pesquisa que abordem as
limitações tanto em hardware quanto em software dos dispositivos móveis.
Os Objetos de Aprendizagem podem ser categorizados entre simulações,
vídeos, sons, figuras, animações, e HTML/texto, o que justifica a variedade de
formatos de arquivos (ARAUJO, 2004b). Quando esses OA estão relacionados a
plataformas Desktops, basta, na maioria das vezes, a instalação de devidos
programas para que um tipo de arquivo possa ser executado. Entretanto, em
56
dispositivos móveis, a realidade é diferente. É de suma importância saber o formato
de arquivo de um OA e não apenas saber que o OA é um vídeo, mas sim ter
conhecimento, por exemplo, que um vídeo está no formato “MOV”. Isso se justifica,
pois, em dispositivos móveis, a instalação de programas ou plugins, que permitam o
funcionamento de algum tipo de arquivo extra, é quase que inexistente.
A limitação em relação ao suporte de formatos de arquivos nos dispositivos
móveis está relacionada diretamente ao seu fabricante e/ou Sistema Operacional
utilizado. Todavia, nem todo dispositivo móvel de mesmo fabricante e SO têm as
mesmas características, por isso, a proposta de desenvolvimento do ROAD não se
limitou a esse tipo de informação. Ainda mais que alguns fabricantes utilizam SO
proprietários, restringindo ainda mais a busca por informações necessárias. Diante
disso, e antes de descobrir as características do dispositivo de acesso, faz-se
necessário descobrir qual o formato de cada OA, e isso, está relacionado à maneira
como os OA são descritos. Por esse motivo, nos Quadros abaixo, serão
apresentadas comparações entre os repositórios citados, tendo em vista, as
categorias em que os OA são divididos, como também, o suporte aos formatos de
arquivo mais comum em dispositivos móveis.
No Quadro 3, os repositórios pesquisados são avaliados, através das opções
“Sim” e “Não”, quanto à oferta de divisão dos OA por categorias (vídeo, áudio, figura,
animação, simulação e HTML/texto) e se eles permitem que consultas sejam
filtradas em função dessas.
.
Categorias
Vídeo Áudio Figura Animação Simulação HTML/Texto
MERLOT
Sim/Sim Sim/Sim Sim/Sim Sim/Sim Sim/Sim Sim/Sim
WISC
Não/Não Não/Não Não/Não Sim/Não Sim/Não Não/Não
RIVED
Não/Não Não/Não Não/Não Sim/Não Sim/Não Não/Não
CESTA
Sim/Sim Sim/Sim Sim/Sim Sim/Sim Sim/Sim Sim/Sim
LUME
Não/Não Não/Não Sim/Sim Não/Não Não/Não Sim/Sim
BIOE
Sim/Sim Sim/Sim Sim/Sim Sim/Sim Sim/Sim Sim/Sim
Quadro 3. Comparativo entre repositórios em relação às categorias de OA.
Percebe-se que o MERLOT, o CESTA, e o BIOE são repositórios que
disponibilizam OA para todos os tipos de categorias, como também, permitem que
57
as pesquisas sejam filtradas através dessas. O WISK e o RIVED apresentam
apenas as categorias de animação e simulação e não as distinguem, portanto, não
permitem o filtro de pesquisa levando em consideração essas categorias. Já o Lume
armazena apenas figuras e textos, mas permite que as pesquisas levem em
consideração a categoria dos OA.
Em relação a Objetos de Aprendizagem para dispositivos móveis, o formato
de arquivo do OA é de fundamental importância para saber se ele poderá ser
executado pelo dispositivo do usuário. Assim sendo, as categorias dos OA foram
divididas sob as questões dos formatos de arquivo, e esses formatos estão
relacionados aos formatos de arquivos mais comuns em dispositivos móveis, como
define Wurfl (2004).
Esse tipo de detalhamento é necessário, pois o usuário de dispositivos
móveis precisa saber a qual formato está vinculado um OA, para que, assim, saiba
da possibilidade de executá-lo em seu dispositivo. Por exemplo, um usuário de um
dispositivo móvel fez uma pesquisa por um vídeo na área da biologia. Dessa
pesquisa, retornam trinta vídeos de diferentes formatos, porém, seu dispositivo
apenas executa vídeos no formato “MOV”. Para que o usuário não tenha que
executar um a um os vídeos resultantes até descobrir qual poderá ser executado em
seu dispositivo móvel, faz-se imprescindível conhecer o formato de arquivo do OA.
Do Quadro 4 ao Quadro 7, os repositórios pesquisados são avaliados, através
das opções “Sim”, “Não” e “N/A” (Não Avaliado), quanto à oferta de divisão dos OA
por formatos de arquivos de cada categoria e se eles permitem que consultas sejam
filtradas em função dessas.
Vídeos
MP4 RM 3GP FLV MOV WMV
MERLOT
Não/Não Não/Não Não/Não Não/Não Sim/Sim Não/Não
WISC
N/A N/A N/A N/A N/A N/A
RIVED
N/A N/A N/A N/A N/A N/A
CESTA
Sim/Sim Sim/Sim Não/Não Não/Não Sim/Sim Sim/Sim
LUME
N/A N/A N/A N/A N/A N/A
BIOE
Sim/Não Sim/Não Sim/Não Sim/Não Sim/Não Sim/Não
Quadro 4. Comparativo entre repositórios de OA em relação à categoria Vídeo.
58
Como apresentado no Quadro 4, o WISK, o RIVED e o LUME não
disponibilizam OA na categoria “Vídeos” em seus repositórios, por isso, eles não
foram avaliados. O MERLOT apresenta distinção apenas para o formato de vídeo
MOV e permite filtrar buscas apenas a partir desse formato. O BIOE apresenta
suporte para todos os tipos de arquivos de vídeos, porém apenas descreve as
informações quanto ao formato e não permite buscas em relação a eles. O CESTA,
apenas não descreve os formatos de arquivo 3GP e FLV, como também não permite
a utilização deles como filtro de pesquisa.
Como apresentado no Quadro 5, o WISK e o RIVED não disponibilizam OA
na categoria “Figuras” em seus repositórios, por isso, eles não foram avaliados. O
MERLOT não descreve os formatos dos OA em relação a essa categoria, como
também não permite filtros de busca utilizando qualquer um dos formatos citados. O
LUME apenas descreve se um OA pertence ao formato JPG. O CESTA descreve o
tipo de arquivo nos formatos JPG e GIF e, também, permite a utilização de ambos
como filtros de pesquisa. Já, o BIOE, apenas não descreve o formato BMP, porém
não permite a utilização de nenhum dos formatos como filtro de pesquisa.
Figuras
JPG PNG BMP GIF
MERLOT
Não/Não Não/Não Não/Não Não/Não
WISC
N/A N/A N/A N/A
RIVED
N/A N/A N/A N/A
CESTA
Sim/Sim Não/Não Não/Não Sim/Sim
LUME
Sim/Não Não/Não Não/Não Não/Não
BIOE
Sim/Não Sim/Não Não/Não Sim/Não
Quadro 5. Comparativo entre repositórios de OA em relação à categoria Figuras.
Como apresentado no Quadro 6, o WISK, o RIVED e o LUME não
disponibilizam OA Áudios em seus repositórios, por isso, não foram avaliados. O
MERLOT não descreve o formato de um OA Áudio, como também não permite filtros
de busca utilizando qualquer tipo desses formatos. O CESTA e o BIOE descrevem
apenas o formato de arquivo MP3, todavia apenas o CESTA possibilita a utilização
desse formato como filtro de pesquisa.
59
Áudio
MP3 WAV AAC
MERLOT
Não/Não Não/Não Não/Não
WISC
N/A N/A N/A
RIVED
N/A N/A N/A
CESTA
Sim/Sim Não/Não Não/Não
LUME
N/A N/A N/A
BIOE
Sim/Não Não/Não Não/Não
Quadro 6. Comparativo entre repositórios de OA em relação à categoria Áudio.
Como apresentado no Quadro 7, apenas o LUME não armazena Objetos de
Aprendizagem nas categorias Animação e Simulação e dos repositórios analisados,
nenhum descreve se o formato do arquivo é GIF Animado, Flash Lite ou J2ME,
como também, nenhum permite a utilização de filtros de pesquisa sobre esses
formatos.
Animação e Simulação
Gif Animado Flash Lite J2ME
MERLOT
Não/Não Não/Não Não/Não
WISC
Não/Não Não/Não Não/Não
RIVED
Não/Não Não/Não Não/Não
CESTA
Não/Não Não/Não Não/Não
LUME
N/A N/A N/A
BIOE
Não/Não Não/Não Não/Não
Quadro 7. Comparativo entre repositórios de OA em relação à categoria Animação e
Simulação.
Como visto durante essa seção, os repositórios de Objetos de Aprendizagem
analisados não apresentam preocupação com usuários de dispositivos móveis, já
que a descrição dos OA em relação aos formatos de arquivos é bastante limitada.
Além disso, outra questão importante em relação à execução e visualização dos OA
está ligada à resolução de tela dos dispositivos, a qual pode limitar ou inviabilizar a
visualização de determinado conteúdo, principalmente em vídeos e conteúdo Flash
Lite. Nesse sentido, está em desenvolvimento uma proposta de uma Federação de
repositórios de Objetos de Aprendizagem que utiliza mecanismos para a criação de
conteúdos interoperáveis entre a Web, a Web móvel e TV Digital, que irá permitir o
60
acesso a Objetos de Aprendizagem independente de plataforma (VICARI, 2009). Por
ser um projeto ainda em fase inicial, não será considerado nesta dissertação.
Esse levantamento sob os repositórios analisados compreendeu além da
parte técnica em relação aos dispositivos móveis, também a maneira utilizada por
eles para consultar OA em relação ao seu contexto educacional. Todos os
repositórios analisados utilizam apenas metadados para catalogação dos OA, o que
limita as buscas por OA específicos. Isso faz com que, devido a essa dificuldade de
encontrar um OA que se encaixe nos parâmetros de determinado conteúdo, tanto
professores quanto alunos fiquem desmotivados em relação à utilização de OA.
As limitações apresentadas pelos repositórios analisados, tanto em relação à parte
técnica quanto à parte educacional, podem ser contornadas com a utilização dos
padrões da Web Semântica (BERNERS-LEE, 2001), como visto no Capítulo 2, a
qual pode proporcionar uma estrutura que viabilize a compreensão e o
gerenciamento dos OA, independendo da maneira como se apresentam.
61
5 MÉTODO DE PESQUISA
Para atingir o objetivo especificado nesta dissertação, ou seja, a criação do
ROAD, um Repositório Semântico de Objetos de Aprendizagem para Dispositivos
Móveis, foram necessárias várias etapas de estudo, pesquisa, desenvolvimento e
validação, as quais estão relatadas abaixo:
O referencial bibliográfico, como já visto, foi necessário para entender o
contexto de criação do ROAD e baseou-se no estudo, não necessariamente nessa
ordem, de Objetos de Aprendizagem, padrões da Web Semântica (UNICODE, URI,
XML, RDF, RDFS, OWL, SPARQL), Ontologias, metadados (DublinCore, IEEE
LOM), Computação Móvel e M-Learning.
Com o aporte teórico definido, fez-se necessário um levantamento de
informações sobre o funcionamento dos repositórios de OA, selecionados como
base de comparação ao ROAD, são eles: MERLOT, WISK, RIVED, BIOE, CESTA e
LUME, os quais foram vistos no Capítulo anterior. Para esse levantamento, foram
definidas as seguintes categorias de Objetos de Aprendizagem: Animação,
Simulação, Figura, Vídeo, Áudio, HTML/texto) (RIVED, 2007) e os formatos de
arquivos mais comuns de cada categoria passíveis de execução em dispositivos
móveis: Animação (Gif animado, Flash Lite, J2ME), Simulação (Flash Lite, J2ME),
Figura (JPG, PNG, BMP, GIF), Vídeo (MPEG, RealMedia, 3GP, FLV, MOV, WMV),
Áudio (MP3, WAV, AAC) e HTML somente em formato texto (WURFL, 2004). Esse
levantamento resultou na disponibilidade de cada repositório em permitir pesquisas
aplicando filtros tanto sob as categorias quanto aos formatos de arquivo e da
disponibilidade do repositório em facilitar o acesso/visualização de usuários de
dispositivos móveis.
Para o desenvolvimento do ROAD, primeiramente foram definidos os
metadados utilizados para a descrição dos OA, esses metadados seguiram os
padrões internacional IEEE LOM (LOM, 2004) e Dublin Core (DCMI, 1995), porém
também foi necessária a inserção de mais alguns atributos criados especificamente
para descrever OA em relação ao contexto educacional e outros em relação às
62
características técnicas. Com os metadados determinados, foi definida a Ontologia
para OA para dispositivos móveis e a especificação dela.
Para a criação e codificação da Ontologia, foi utilizado o ambiente para
criação e edição de Ontologias Protégé na versão 3.4 (PROTÉGÉ, 1997), o qual
permitiu a geração de classes, tipos, relacionamentos, cardinalidades, definição de
classes disjuntas, e restrições sob o contexto de OA para dispositivos móveis. Esse
editor permitiu a exportação da Ontologia para a linguagem Web Ontology Language
(OWL) (W3C, 2004), a qual foi utilizada na implementação do ROAD.
Para a especificação, construção e visualização do sistema foi utilizada a
linguagem Unified Modeling Language (UML) através dos diagramas de caso de uso
e de atividades. A criação desses diagramas foi realizada através da ferramenta de
modelagem de sistemas Jude na versão 5.5. Para a criação das interfaces foi
utilizado o pacote de construção de páginas para dispositivos móveis iWebKit
(IWEBKIT, 2009).
Com a finalidade de justificar as decisões de implementação tomadas no
ROAD, é apresentada a arquitetura geral do sistema (Capítulo 6). A partir dessa
arquitetura foram apresentados todos os componentes de software utilizados para a
criação do Repositório.
Seguindo a proposta desta dissertação, foi definida a utilização de
informações baseadas nos padrões da Web Semântica. Para isso, foi necessária a
utilização da API RAP: RDF API for PHP, em sua versão 0.96 (RAP, 2002), que
oferece recursos para análise, manipulação, armazenamento e consulta sob os tipos
de dados que a arquitetura da Web Semântica define. O RAP é um projeto open
source que teve inicio em 2002 pela Universidade Livre de Berlim e vem sendo
atualizado, desde então, pela comunidade da Web Semântica (RAP, 2002). No
contexto específico deste trabalho, o RAP permitiu a manipulação do arquivo OWL,
como também consultas sob essa. Para essas consultas foi utilizado o SPARQL,
que é uma linguagem de consulta para Ontologias descritas em RDF, que foi
padronizada e definida como padrão pela W3C, e que o RAP apresenta suporte
(W3C, 2008).
Outro objetivo desta dissertação envolve a identificação do dispositivo móvel
de acesso, que, no ROAD, é feito a partir da utilização da API para PHP TERA-
WURFL - Mobile Device Identification (TERA, 2006), que identifica o dispositivo
móvel de acesso e permite pesquisas pelas diversas características desse. Essas
63
características são definidas no arquivo Wireless Universal Resource File – WURFL,
o qual é um arquivo XML que contém informações sobre as características de
diversos dispositivos móveis de todo o mundo. Esse arquivo faz parte de um projeto
open source mantido por diversas comunidades, fabricantes e empresas de telefonia
de todo o mundo (WURFL, 2004).
Para a validação do ROAD foram utilizados vinte Objetos de Aprendizagem.
Desses OA, quatro pertencem ao repositório BIOE e o restante foi recuperado de
repositórios distintos. Isso, porque não foi encontrada a quantidade necessária de
OA de mesmo assunto em um único repositório.
A validação, obrigatoriamente, foi feita através de dispositivos móveis, já que
simuladores não são identificados pela API TERA-WURFL. Os dispositivos móveis
utilizados para realizar esta validação são de diferentes fabricantes e de diferentes
plataformas e apresentam diferentes características quanto à execução de formatos
de arquivos. Os dispositivos utilizados para a validação foram: o iPhone 3G, o
Blackberry 9000, o HTC Magic A6161 e o Samsung Jet S8003 os quais estão
especificados abaixo.
Fabricante: Apple
Sistema Operacional: iPhone OS
Resolução: 320x480 pixel
Áudio: MP3, AAC e WAV
Vídeo: MOV, MP4
Imagens: JPG, GIF, PNG e BMP
Animação: Gif Animado
Simulação: Gif Animado
Fabricante: RIM
Sistema Operacional: Blackberry OS
Resolução: 480 x 320 pixel
Áudio: MP3, AAC
Vídeo: MP4 e 3GP
Imagens: JPG, GIF, PNG e BMP
Animação: Gif Animado
Simulação: Gif Animado
64
Fabricante: HTC
Sistema Operacional: Android
Resolução: 320x480 pixel
Áudio: MP3, AAC e WAV
Vídeo: MP4 e 3GP
Imagens: JPG, GIF, PNG e BMP
Animação: Gif Animado
Simulação: Gif Animado
Fabricante: Samsung
Sistema Operacional: Proprietário
Resolução: 480 x 800 pixel
Áudio: MP3, AAC e WAV
Vídeo: MP4 e WMV
Imagens: JPG, GIF, PNG e BMP
Animação: Gif Animado, Flash Lite
Simulação: Gif Animado, Flash Lite
65
6 ROAD – REPOSITÓRIO SEMÂNTICO DE OBJETOS DE
APRENDIZAGEM PARA DISPOSITIVOS MÓVEIS
A utilização de Objetos de Aprendizagem como recurso pedagógico adicional
a uma aula presencial pode ser de grande valia no processo de
ensino/aprendizagem (YONEZAWA, 2007). No entanto, perante algumas
dificuldades, a utilização de OA pode ser deixada de lado. Pode-se citar a falta de
estrutura das escolas em relação aos equipamentos necessários para execução dos
OA, a falta de equipamentos, laboratórios sucateados. A utilização de laboratórios,
mesmo que em boas condições, pode funcionar como desmotivador para a
utilização de OA tanto para professores quanto para alunos, pois, na maioria das
instituições existe a necessidade de um pré-agendamento para sua utilização e,
além disso, perde-se tempo com o deslocamento dos alunos até laboratórios.
Para suprir essas dificuldades citadas e aproveitando que a maioria dos
alunos tem dispositivos móveis em sala de aula, foi criado um módulo no ROAD
como apoio para sala de aula presencial, o qual adota a utilização da M-Learning em
um contexto de local específico. Contudo, para o ROAD não ficar restrito apenas a
sala de aula presencial e aproveitar todas as potencialidades da M-Learning, o
ROAD disponibiliza também o módulo de acesso livre ao repositório, o qual permite
ao usuário o acesso a OA independendo de local e hora, podendo até estar em
movimento.
O ROAD não se limita apenas ao seu contexto de utilização, pois, além disso,
ele tem por objetivo permitir a recuperação eficiente e específica de OA, os quais
estarão estruturados sob a perspectiva da Web Semântica, evitando, como
apresentado no Capítulo 2, consultas que retornem informações desnecessárias ao
contexto do usuário. Ainda, como visto no Capítulo 4, para o ROAD, se faz
necessária uma maneira de recuperar OA em função das características do
dispositivo móvel de acesso. Essa filtragem é necessária para evitar apresentação
de OA não aptos a serem executados no dispositivo do usuário.
66
Para melhor entendimento do repositório proposto, neste Capítulo, serão
apresentados os passos para seu desenvolvimento. Primeiramente é apresentada a
utilização da Web Semântica para a criação do ROAD, após, sua descrição, sua
arquitetura e implementação, seu funcionamento e por fim sua validação.
6.1 Web Semântica e OA para Dispositivos Móveis
Diante da imensa quantidade e diversidade de informações, a Internet tornou-
se uma das ferramentas de pesquisa mais comuns no meio acadêmico e essa
quantidade de informações cresce sem limites, como foi visto no Capítulo 2. Em
relação ao contexto educacional, OA são alguns dos recursos pedagógicos mais
utilizados para o processo de ensino/aprendizagem encontrados na web, como visto
no Capítulo 4. Para facilitar e agilizar sua recuperação existem repositórios
específicos para busca e armazenamento de OA. Entretanto, recuperar uma
informação específica para determinada necessidade do usuário, mesmo que em
um repositório de Objetos de Aprendizagem, tem tornado-se algo extremamente
complexo e trabalhoso, devido à limitação no processo de busca desses
repositórios.
A utilização da Web semântica relacionada a Objetos de Aprendizagem tem
crescido muito nos últimos anos. Pesquisadores como Araújo (2004a), Moham
(2003), Lee (2007), Botelho (2008), Franciscato (2009b), entre outros, percebem a
necessidade de alterar a maneira como os OA estão sendo descritos e estruturados
na Web atual e também a necessidade de, aplicar a esse contexto, os padrões da
Web semântica. Essa abordagem também é aplicada ao tema desta dissertação
para, assim, contornar a limitação encontrada nos repositórios de Objetos de
Aprendizagem, diante da recuperação de OA para dispositivos móveis e na
recuperação de OA específicos para determinado conteúdo educacional.
As tecnologias utilizadas nos repositórios analisados não permitem que os
computadores possam compreender e interpretar o significado das informações no
contexto de Objetos de Aprendizagem. Como uma das propostas do ROAD é suprir
essa limitação, foi necessária a utilização dos padrões da Web Semântica no seu
desenvolvimento. A partir disso, foi possível anotar os Objetos de Aprendizagem
para facilitar sua recuperação, como também estruturá-los através de pontos
67
comuns de referência. Para isso, respectivamente, foram utilizados metadados e
Ontologias.
6.1.1 Metadados para OA para dispositivos móveis
Para que os computadores possam compreender e interpretar os OA, é
necessária, primeiramente, uma anotação correta desses diante das necessidades
de sua utilização. A catalogação dos OA armazenados no ROAD foi feita de acordo
com normas de padronização internacional, ou seja, os metadados utilizados para
descrever os OA seguem os padrões IEEE LOM (LOM, 2004) e Dublin Core (DCMI,
1995), já apresentados no Capítulo 2.
Para compor a base do ROAD, foram utilizadas três categorias para a
especificação dos metadados, apresentadas no Quadro 8, as quais são: categoria
geral, de ciclo de vida e técnica. A categoria geral agrupa informações gerais que
descrevem o OA. A categoria ciclo de vida agrupa informações que descrevem as
características relacionadas ao estado atual do OA. A categoria técnica agrupa os
requisitos e características técnicas do OA.
Categoria Geral
Atributo Descrição
identifier Identificação do objeto
title Nome dado ao objeto
language Idioma utilizado no objeto
description Descrição textual do conteúdo do objeto
Categoria Ciclo de Vida
Atributo Descrição
date Data da criação
version Versão do objeto
Categoria Técnica
Atributo Descrição
format Formato do tipo de arquivo do objeto
duration Tempo de duração para sons e vídeos
size Tamanho do objeto
location Localização do objeto
res_width
Resolução em relação à largura (para vídeos e conteúdo em
Flash)
res_height
Resolução em relação à altura (para vídeos e conteúdo em
Flash)
Quadro 8. Metadados utilizados para anotar OA para dispositivos móveis.
68
A inclusão de dois metadados adicionais, além dos metadados dos padrões
IEEE LOM, foi necessária, os quais foram utilizados para melhor especificar os OA
para dispositivos móveis. Esses metadados adicionais referem-se a dois atributos da
categoria técnica: “res_width” e “res_height”, os quais irão informar a resolução de
vídeo necessária para uma correta execução de vídeos e conteúdo Flash.
Com base na utilização de metadados para anotação dos OA, o nível de
semântica praticado ainda não satisfaz os objetivos propostos desta dissertação, já
que os OA não estão relacionados a uma categoria educacional, nem a uma
Instituição e equipe. Isso prejudica a realização de consultas eficientes e específicas
por Objetos de Aprendizagem para dispositivos móveis, como é proposto nesta
pesquisa. Para incluir o nível de semântica desejado, foi necessário incluir uma
estrutura de relações que permitisse descrever a área do conhecimento de OA. Para
isso, seguindo os padrões da Web Semântica, foram utilizadas Ontologias.
6.1.2 Ontologia para OA para dispositivos móveis
A utilização de uma Ontologia para OA para dispositivos móveis foi essencial
no desenvolvimento do ROAD, pois ela forneceu o vocabulário necessário para
definir a estrutura e a semântica desses OA, permitindo, assim, a realização de
pesquisas avançadas, as quais são imprescindíveis para suprir os objetivos
apresentados nesta dissertação. A Ontologia proposta para OA para dispositivos
móveis é uma adaptação e aperfeiçoamento da Ontologia para OA encontrada em
(ARAUJO, 2004a) e é especificada da mesma maneira que esse autor a faz em
relação ao conteúdo, a sua categoria, a uma Instituição e uma equipe (Figura 10)
(FRANCISCATO, 2009b).
• Conteúdo: Objetos de Aprendizagem, como visto no Capítulo 4, são
uma pequena parte de um conceito maior, mas que prevalece
independente do restante (LONGMIRE, 2000), (MENDES, 2004),
(MIRANDA, 2004). Nessa definição, “um conceito maior” está
relacionado a um conteúdo de uma disciplina. Porém, por ser “uma
69
pequena parte de um conceito”, o OA está relacionado a uma pequena
parte desse conteúdo e como “prevalece independente do restante”,
está relacionada a uma parte específica desse conteúdo. Pode-se
entender então que um OA pode ser estruturado em relação ao seu
conteúdo educacional, da mesma maneira como um livro é divido, isto
é, em módulos e tópicos. Dessa maneira, um OA pode ser recuperado,
em relação ao seu conteúdo, especificamente para as necessidades
do usuário.
• Categoria: Como visto também no Capítulo 4, a partir da definição de
um OA como “quaisquer recursos digitais...” (WILEY, 2002), foi definido
que, para o objetivo proposto, OA podem ser categorizados em
Simulação, Animação, HTML, Figura, Vídeo e Som. Essas categorias
são as mesmas utilizadas na maioria dos repositórios atuais, como já
foi apresentado no Capítulo 4. Uma pesquisa por OA no ROAD sempre
retorna a quantidade de OA para cada categoria, apresentando,
sempre que existir, todos os OA relacionados.
• Equipe: Refere-se a equipe responsável pela criação do OA. No
ROAD, são permitidas buscas relacionadas à equipe, isto é, é possível
consultar por todos os OA criados por uma mesma equipe.
• Instituição: Está relacionada ao OA como a organização patrocinadora
e a equipe em relação ao vínculo estudantil. No ROAD, são permitidas
buscas relacionadas à Instituição, isto é, é possível consultar por todos
os OA criados por uma mesma Instituição.
As relações estabelecidas na Ontologia são divididas pela especificação:
• Conteúdo: A relação da Disciplina com Módulo é hasModulo (tem
módulo) e tem cardinalidade (1,n), que determina o axioma: toda
Disciplina tem um ou mais Módulos. Sua relação inversa é
isPartOfDisciplina (é parte de disciplina) e tem cardinalidade (1,1), que
determina o axioma: todo Módulo pertence apenas a uma Disciplina.
70
Figura 10. Ontologia para Objetos de Aprendizagem para dispositivos móveis.
A relação do Módulo com tópico é hasTopico (tem tópico) e tem
cardinalidade (1,n), que determina o axioma: todo Módulo tem um ou
mais Tópicos. Sua relação inversa isPartofModulo (é parte de módulo)
e tem cardinalidade (1,1), que determina o axioma: todo Tópico
pertence apenas a um Módulo.
A relação do Tópico com Objeto de Aprendizagem é hasOA (tem OA) e
tem cardinalidade (0,n), que determina o axioma: todo Tópico tem zero
ou mais OA. Sua relação inversa isTopicoOfOA (é Tópico de OA) tem
cardinalidade (1,n), que determina o axioma: todo Objeto de
Aprendizagem pertence a um ou mais tópicos.
• Categoria: Simulação, Animação, HTML, Figura, Vídeo e som são
especializações da classe Objeto de Aprendizagem (subClassOf).
• Equipe: A relação do Objeto de Aprendizagem com Equipe é
hasEquipe (tem equipe) e tem cardinalidade (1,1), que determina o
axioma: todo OA tem apenas uma equipe. Sua relação inversa
71
isEquipeOfOA (é equipe de OA) e tem cardinalidade (1,n), que
determina o axioma: toda Equipe pertence a um ou mais OA.
• Instituição: A relação do Objeto de Aprendizagem com Instituição é
hasInstituicao (tem instituição) e tem cardinalidade (1,1), que determina
o axioma: todo OA tem apenas uma Instituição. Sua relação inversa
isInstOfOA (é instituição de OA) e tem cardinalidade (1,n), que
determina o axioma: todo Instituição tem um ou mais OA.
A relação da Instituição com Equipe é hasEqInst (tem equipe vinculada
à instituição) e tem cardinalidade (1,n), que determina o axioma: toda
Instituição tem uma ou mais Equipes. Sua relação inversa isInstEq
(equipe é vinculada a instituição) e tem cardinalidade (1,1), que
determina o axioma: toda Equipe é vinculada a apenas uma Instituição.
Com a aplicação dessa Ontologia, um objeto de aprendizagem estará
relacionado a módulos e tópicos de uma disciplina. É possível saber,
especificadamente, o assunto tratado no objeto; assim como saber quantos e quais
OA tratam do mesmo assunto, navegar entre OA que tratem de assuntos anteriores
(pré-requisitos) ou OA que deem continuidade ao assunto tratado. É possível saber
também quais OA foram feitos por uma mesma equipe, ou quais Objetos foram
produzidos pela mesma Instituição de ensino.
As propriedades para as classes Disciplina, Módulo, Tópico seguem o padrão
DublinCore (identifier e title), que descrevem um identificador e um título. Para
descrever Instituição é definida uma propriedade DublinCore (identifier) e uma
propriedade (nomeinst) derivada do vocabulário criado nesta dissertação que
descreve o nome da Instituição. Para descrever Equipe é definida uma propriedade
DublinCore (identifier) e uma propriedade seguindo o padrão internacional vCard
(FN) (W3C, 2001c), que descreve o nome dos integrantes da Equipe.
A Ontologia também permite a especificação de classes disjuntas. Classes
disjuntas definem que uma subclasse de uma classe não tem membros em comum
com outra subclasse da classe (W3C, 2004), ou seja, classes disjuntas são classes
que não possuem instâncias em comum. No contexto de OA, as subclasses de
Objetos de Aprendizagem (simulação, HTML, figura, som e animação) são classes
disjuntas.
72
Para a Ontologia apresentada na Figura 10, foram especificadas restrições
sob os atributos e relações de cada classe. Porém, para evitar a perda do foco na
leitura do texto, foram apresentadas somente as restrições ligadas a atributos e
relações em relação ao Objeto de Aprendizagem, como apresentado no Quadro 9.
As outras restrições são encontradas no Anexo A.
Atributos Restrição
identifier Exatamente um
title Exatamente um
language Mínimo um
date Exatamente um
version Exatamente um
format Exatamente um
location Exatamente um
size Exatamente um
Relações Restrição
hasEquipe Exatamente um
hasEquipe Aceita Somente instâncias de
Equipe
hasInstituicao Mínimo um
hasInstituicao Aceita Somente instâncias de
Instituicao
isTopicoOfOA Mínimo um
Objetos de Aprendizagem
isTopicoOfOA Aceita Somente instâncias de
Tópico
Quadro 9. Restrições em atributos e relações para Objetos de Aprendizagem.
A Ontologia apresentada nesta seção está descrita em uma forma abstrata, a
qual é utilizada para facilitar sua especificação, porém, dessa maneira, a Ontologia
não será passível de manipulação por máquinas, bem como será restrita sua
utilização para o compartilhamento das informações. Então, para permitir isso, ela
teve que ser codificada para a linguagem OWL.
A Web Ontology Language – OWL (W3C, 2004), como já visto no Capítulo 2,
é utilizada para representar explicitamente o significado dos termos em um
vocabulário e as relações entre eles. Isto é, é a linguagem para descrição de
Ontologias desenvolvida para o uso em aplicações que necessitam processar
informações e não somente apresentá-las (ANTONIOU, 2003). Por ser baseada em
RDF e XML, está de acordo com a arquitetura da Web Semântica.
73
Foi a partir da linguagem OWL que a Ontologia de OA para dispositivos
móveis poderá ser manipulada e, assim, definir a semântica desejada a esse
contexto. Para a codificação da Ontologia em OWL, foi utilizada como base, a
especificação da Ontologia de Objetos de Aprendizagem para dispositivos móveis
definidas neste capítulo. A ferramenta utilizada para essa codificação foi a
ferramenta de edição de Ontologias Protégé (PROTÉGÉ, 1997).
O Protégé permite a criação, visualização e manipulação de Ontologias no
formato OWL (PROTÉGÉ, 1997). A utilização dessa ferramenta permitiu a geração
das classes, dos atributos, dos relacionamentos, das cardinalidades, da definição
das classes disjuntas e das restrições definidas. Na Figura 11 é possível perceber, a
partir da ferramenta Protégé, a hierarquia da Ontologia criada.
Figura 11. Tela da Ferramenta Protégé apresentando a hierarquia da Ontologia.
Como o objetivo desta dissertação não está relacionado à apresentação da
especificação da Ontologia, o restante das especificações não serão apresentadas.
Parte da codificação da Ontologia em OWL pode ser verificada no Anexo B.
A utilização da Ontologia codificada em OWL empregada no desenvolvimento
do ROAD será vista na continuidade deste Capítulo, mais especificamente na seção
6.3.
74
6.2 Descrição do Sistema
Para o desenvolvimento do ROAD foram seguidas etapas de especificação,
visualização, análise e projeto de sistemas. Essas definições são necessárias para
deliberar o que é preciso desenvolver, o que se deve fazer e com quais restrições. A
construção de sistemas de software pode ser muito complexa, por isso faz-se
necessário um planejamento (BEZERRA, 2003). Para o ROAD foi utilizado a
linguagem de modelagem UML, que busca visualizar, especificar, construir e
documentar sistemas de software (UML, 1997). Foi definida a utilização dos
diagramas de caso de uso e de atividade para isso.
Os casos de uso são fundamentais no levantamento de requisitos, pois são
a base do processo de desenvolvimento do sistema (LARMAN, 2005). Apresenta
descrições de interações típicas entre os usuários de um sistema e o sistema
propriamente dito. Os componentes usados neste diagrama são os atores e os
caso de uso. Os atores representam os usuários que interagem com o sistema
modelado e o “caso de uso” representa o comportamento do sistema diante da
interação com o ator. O uso deste diagrama faz com que sistemas, subsistemas
fiquem acessíveis e compreensíveis, por apresentarem uma visão externa sobre
como esses elementos podem ser utilizados no contexto (BOOCH, 2000).
A Figura 12 apresenta o diagrama de Caso de Uso para o módulo do ROAD
em auxilio a sala de aula presencial, em que o ator Professor, após logado no
sistema, tem a função de escolher o conteúdo a ser ministrado em aula (disciplina,
módulo e tópico) com também tem a função de escolher para qual turma será
ministrado tal conteúdo. Caso a turma não esteja criada, o professor terá a função
de cadastrar uma nova turma. O aluno por sua vez, após logar-se no sistema, faz
acesso a aula, a qual será definida pelo OA selecionados a partir do conteúdo
estipulado pelo professor. Esses OA estarão separados por categorias.
75
Figura 12. Diagrama de Caso de Uso para o módulo do ROAD em auxilio a sala de aula
presencial
O diagrama de Caso de Uso para representar o ROAD no módulo de acesso
livre a OA é apresentado na Figura 13. Nesse diagrama é definido que os usuários
do sistema são professores e alunos. Esses usuários terão as mesmas atividades no
sistema, ou seja, realizar consultas por OA (através da escolha de uma disciplina,
módulo e tópico), acessar os OA separados por categorias e acessar informações
adicionais. Essas informações permitem que o usuário possa pesquisar por OA de
mesma equipe, de mesma instituição ou, simplesmente, acessar informações dos
OA.
76
Figura 13. Diagrama de Caso de Uso para o módulo do ROAD de acesso livre a OA
O diagrama de Atividade da Figura 14 refere-se ao módulo de acesso em
auxilio a sala de aula presencial. Como pode-se perceber, basicamente, o professor,
após o acesso ao sistema, escolhe o conteúdo e uma turma que serão armazenados
em uma base de dados.
O aluno, por sua vez, também faz acesso ao sistema, todavia, essa é sua única
função (com exceção do acesso aos OA), já que o sistema tem a função de
identificar seu dispositivo móvel, buscar as informações fornecidas pelo professor
quanto ao conteúdo, recuperar as informações da Ontologia, filtrá-las em função do
dispositivo de acesso e, por fim, apresentá-las ao aluno.
77
Figura 14. Diagrama de Atividade
O diagrama de Atividade da Figura 15 refere-se ao módulo de acesso livre a
Objetos de Aprendizagem. E, como pode-se perceber, o usuário escolhe um
conteúdo. O sistema, por sua vez, tem a função de identificar seu dispositivo móvel,
recuperar as informações da Ontologia relacionadas ao conteúdo definido, filtrá-las
em função do dispositivo de acesso e, por fim, apresentá-las ao usuário. Entretanto,
antes do acesso aos OA, o usuário tem outras opções, entre elas: a pesquisa de OA
por equipe, por instituição, ou, simplesmente, o acesso a informações sobre o
Objeto de Aprendizagem.
78
Figura 15. Diagrama de Atividade
Com a descrição do sistema definida pela utilização dos diagramas de Caso de
Uso e de Atividades, as próximas etapas foram a definição da arquitetura do sistema
e sua implementação.
79
6.3 Arquitetura e Implementação do Sistema
A arquitetura do ROAD é apresentada na Figura 16 e, como é possível
perceber, o acesso ao ROAD deve ser realizado através de dispositivos móveis
(PDA, Smartphone ou Celular) conectados a Internet (3G, Wi-Fi).
Figura 16. Arquitetura do ROAD
O ROAD, como mostra a Figura 16, é composto por um gerenciador de dados
(a linguagem de programação PHP), uma ferramenta (a API RAP para PHP) para
manipulação de dados que sigam os padrões da Web Semântica (Ontologias) e
outra ferramenta para identificação do dispositivo móvel (a API Tera-WURFL para
PHP) e suas características, as quais são derivadas de um arquivo XML (o XML-
WURFL).
Seguindo a descrição do sistema, apresentado na seção 6.2, o módulo de
apoio a sala de aula presencial, necessariamente, precisa do acesso do professor
para definir o conteúdo que será ensinado em aula. Isso significa dizer que, o
professor vai definir uma disciplina, um módulo da disciplina e um tópico do módulo
(esse esquema equivale-se ao sumário de livros) e definirá para qual turma tal
assunto será aplicado. Esses dados serão armazenados em uma base de dados
(MYSQL).
80
O aluno, por sua vez, irá ingressar no ROAD para acesso à Aula, que é
caracterizada como uma seleção de Objetos de Aprendizagem baseados no
contexto específico do conteúdo definido pelo professor e filtrados pelas
características do dispositivo móvel de acesso do aluno. A filtragem, em relação ao
dispositivo de acesso, é invisível ao usuário. Devido a essa filtragem, os resultados
da pesquisa podem diferenciar-se entre dispositivos móveis distintos.
Para definir essa Aula, foi necessária a utilização da API TERA para
recuperar as informações do dispositivo móvel de acesso (armazenadas no XML-
WURFL) e a utilização da API RAP para recuperar os dados da Ontologia. Essa
recuperação é feita em função dos dados informados pelo professor na busca pelos
OA e do resultado das informações do dispositivo provindas da API TERA.
O ROAD no acesso livre a OA difere-se em apenas algumas partes em
relação ao ROAD no apoio à sala de aula presencial. Como é acesso livre, a
pesquisa pelos OA é livre e por esse motivo, não é apresentado o conceito de aula
nessa modalidade. Uma vantagem adicionada é a possibilidade de pesquisas
relacionadas, isto é, após uma pesquisa, o usuário terá a possibilidade de realizar
pesquisas relacionadas sob os OA encontrados. As pesquisas relacionadas são
determinadas pela consulta de OA de uma mesma equipe e todos os OA de uma
mesma Instituição. Também é possível obter diversas informações do Objeto de
Aprendizagem em questão, como será visto na seção 6.4.
O ROAD, por ser baseado na Web, é programado na linguagem de
programação PHP. Essa linguagem proporcionou, através da inclusão da API RAP,
a possibilidade de manipular dados da Web Semântica e, a partir da inclusão da API
TERA-WURFL, a possibilidade de identificação do dispositivo móvel de acesso, bem
como o acesso às suas características. Nesta seção, serão apresentadas como as
tecnologias escolhidas permitiram a implementação do ROAD.
Nos padrões da Web Semântica, o RDF fornece meios para a descrição
estrutural e semântica dos dados, sua ideia central é representar as informações em
forma de triplas. Um conjunto de triplas é chamado de grafo RDF. No RAP, grafos
RDF são representados como instâncias da classe “model”. Os elementos dentro de
um model são declarações e cada declaração compreende três nodos: sujeito,
predicado e objeto (OLDAKOWSKI, 2005), como é apresentado no Quadro 10.
81
1
http://www.ufsm.br/Ontologia/
road.owl#Biologia
road:hasModulo
http://www.ufsm.br/Ontologia/road.owl#
Ecologia
2
http://www.ufsm.br/Ontologia/
road.owl#Ecologia
road:hasTopico
http://www.ufsm.br/Ontologia/road.owl#
Sistema_Solar
Quadro 10. Representação em formato de tripla.
Atualmente, existem três padrões principais para a representação do
conhecimento, que são os pilares para o desenvolvimento da Web Semântica: o
XML, o RDF e o OWL. O OWL utiliza padrões RDF e este utiliza padrões XML, o
que, basicamente, define a sintaxe para construção de Ontologias. Então, é através
da Ontologia OWL que a semântica desejada é definida para o ROAD no contexto
de OA para dispositivos móveis. Por isso, a utilização básica do RAP, para o
desenvolvimento do ROAD, deu-se através da manipulação da Ontologia OWL e
pela realização de consultas sob ela. Essas consultas sob a Ontologia OWL foram
realizadas pela linguagem de consultas SPARQL (W3C, 2008), na qual o RAP tem
suporte.
As consultas realizadas com SPARQL estruturam-se, basicamente, da
seguinte maneira:
“SELECT ?sujeito ?objeto WHERE { ?sujeito predicado ?objeto }”
Isto é, pode-se consultar por um sujeito ou objeto a partir do relacionamento
entre eles, que pode ser um relacionamento entre classes ou de tipos de dados.
Para melhor entendimento, será apresentada uma consulta, utilizando o SPARQL
através da ferramenta Protégé e uma consulta a partir da utilização do SPARQL,
através da API RAP.
A partir do Protégé, a consulta desejou o resultado da seleção de todos os
nomes dos OA, da categoria vídeo, e que estejam no formato de vídeo ‘MOV’
(Figura 17).
Como é possível perceber, as declarações “PREFIX” são definidas para evitar
a utilização de URIs inteiras na consulta. O padrão de metadados é o LOM (title e
82
format). Os resultados da consulta são apresentados no painel ao lado direito
(Results).
Figura 17. Consulta sob a Ontologia no Protégé, utilizando SPARQL.
No RAP, uma consulta utilizando SPARQL é definida como apresenta o
código abaixo. Uma variável, no caso “$consulta”, irá receber o conteúdo do
“SELECT”. Os dados contidos na variável “$consulta” serão enviados para a classe
“Model”, a qual efetuará a consulta na Ontologia OWL utilizando a linguagem de
consultas SPARQL através do RAP.
A consulta realizada deve retornar o nome de todos os Objetos de
Aprendizagem da categoria “Vídeos”, que são mantidos pela instituição “UFSM” e
que tenham sido criados pela equipe “EquipeGeo1”.
$consulta = "
SELECT ?x
WHERE{
?y rdf:type
<http://www.ufsm.br/Ontologia/road.owl#Video>.
?y <http://www.ufsm.br/Ontologia/road/propriedades#hasInstituicao>
<http://www.ufsm.br>
?y <http://www.ufsm.br/Ontologia/road/propriedades#hasEquipe>
<http://www.ufsm.br/Ontologia/road.owl#EquipeGeo1>.
?y <http://slor.sourceforge.net/ontology/lom.owl#title> ?x}";
$resultado= $model->sparqlQuery($consulta);
A fim de esclarecer, a consulta utilizando SPARQL através do RAP não
utilizou declarações “PREFIX”, mas, sim, as URIs inteiras que identificam tanto o
83
sujeito, quanto a propriedade e o objeto, mostrando a possibilidade de realizar
consultas diretamente através de URLs.
As filtragens dos OA, a partir das características do dispositivo móvel de
acesso, também foram feitas através do SPARQL, porém, para identificar e extrair
informações do dispositivo móvel de acesso foi necessário a utilização de outras
tecnologias.
Além de consultar por Objetos de Aprendizagem utilizando os padrões da
Web Semântica, o ROAD filtra todos os OA encontrados em função das
características do dispositivo móvel de acesso. Contudo, para isso foi necessário
que os OA fossem descritos corretamente na categoria de metadados técnica,
especificando o formato do arquivo e a resolução de tela deste. Através dessas
informações, e das informações provindas do dispositivo móvel de acesso, foi
possível filtrar corretamente os OA encontrados.
Tendo a descrição do OA em relação ao seu tipo de arquivo e resolução de
tela, foi necessário descobrir se o dispositivo móvel de acesso é apto a executar o
OA em função dessas características. Porém, por questões de segurança, todas as
informações que se extrai diretamente do dispositivo móvel, são ineficazes para
permitir o tipo de filtragem requerido no ROAD. Nesse sentido, como já apresentado,
basear-se no Sistema Operacional de cada dispositivo para coletar informações é
inviável e limitante. Para contornar isso, foi utilizado o Wireless Universal Resource
File – WURFL, que contém as informações necessárias sobre as características de
diversos dispositivos móveis.
A partir do código abaixo, é possível perceber como as informações dos
dispositivos móveis são estruturadas e descritas no arquivo XML WURFL.
<device id="blackberry8100_ver1_sub420" user_agent="BlackBerry8100/4.2.0 Profile/MIDP-2.0
Configuration/CLDC-1.1 VendorID/125" fall_back="blackberry8100_ver1">
<group id="product_info">
<capability name="uaprof"
value="http://www.blackberry.net/go/mobile/profiles/uaprof/8100/4.2.0.rdf"/>
<capability name="model_name" value="BlackBerry 8100"/>
</group>
<group id="wml_ui">
<capability name="table_support" value="true"/>
</group>
<group id="display">
<capability name="columns" value="26"/>
<capability name="rows" value="18"/>
84
<capability name="resolution_width" value="240"/>
<capability name="resolution_height" value="260"/>
</group>
<group id="image_format">
<capability name="jpg" value="true"/>
<capability name="gif" value="true"/>
<capability name="bmp" value="true"/>
Esse código apresenta algumas das características inerentes ao dispositivo
móvel Blackberry 8100 da fabricante RIM, entre essas: a resolução da tela e os
formatos de imagens. Porém, o WURFL apenas especifica as características e
funcionalidades dos dispositivos móveis, entretanto, fez-se necessária uma maneira
de reconhecer sob qual dispositivo o usuário faz acesso para ter a disponibilidade de
recuperar, a partir do arquivo XML WURFL, as informações necessárias para a
filtragem dos Objetos de Aprendizagem. Para isso, foi utilizada a API para PHP
TERA-WURFL Mobile Device Identification (TERA, 2006).
Para descobrir o dispositivo móvel de acesso através do TERA-WURFL,
basicamente foi necessária a criação de uma instância da classe “TeraWurfl()”, como
é possível perceber no código abaixo. A partir dessa instância, tem-se acesso à
função “getDeviceCapabilityFromAgent” que recebe como parâmetro o
“HTTP_USER_AGENT” do browser, o qual define, de forma única, o dispositivo
móvel de acesso.
$wurflObj = new TeraWurfl();
$matched = $wurflObj->getDeviceCapabilitiesFromAgent
($_SERVER['HTTP_USER_AGENT']);
$width = $wurflObj->getDeviceCabability("resolution_width");
$height= $wurflObj->getDeviceCabability("resolution_height");
Após a identificação do dispositivo móvel, foi possível fazer consultas pelas
suas características através do arquivo XML WURFL. Para isso, utilizou-se a função
“getDeviceCapability”. Nesse código, é apresentada uma consulta sobre a resolução
da tela do dispositivo de acesso, através do retorno da altura (resolution_height) e
da largura (resolution_width). As características retornadas do dispositivo móvel de
acesso serão utilizadas, diretamente, para filtrar as consultas pelos OA através da
utilização da linguagem de consultas SPARQL.
85
6.4 Funcionamento
Para demonstrar o funcionamento do ROAD nos módulos livre e em auxílio a
sala de aula presencial, foi utilizado apenas o dispositivo móvel iPhone e, para
melhor visualização das telas de acesso ao ROAD, elas foram derivadas de print
screen das telas durante a navegação pelo repositório.
6.4.1 ROAD em auxilio à sala de aula presencial
A tela inicial do ROAD apresenta as opções de acesso aos dois módulos do
ROAD: o acesso livre ao repositório e o acesso para utilização em sala de aula
presencial, como pode ser vista na Figura 18. O objetivo dessa seção é apresentar
o funcionamento do módulo para utilização em sala de aula.
A utilização do ROAD em sala de aula depende, primeiramente, do acesso do
professor da disciplina. Como é necessário armazenar as informações definidas por
cada professor, o acesso ao ROAD se dá através de um login e senha, como
apresenta a Figura 19.
Figura 18. Tela inicial do ROAD.
Figura 19. Tela de acesso ao ROAD.
86
Ao professor é apresentada, após o login, a tela das Figuras 20 e 21. É a
partir dela que o professor irá definir qual conteúdo e para qual turma serão
utilizados os Objetos de Aprendizagem. Isto é, o professor estará definindo que,
para uma turma “A”, serão consultados todos os OA que tenham relação com um
tópico “B” do Módulo “C” e que pertença à disciplina “D”.
Figura 20. Definindo conteúdo e a turma para
aula.
Figura 21. Tela apresentado a escolha da
opção disciplina.
Com a aula definida, o aluno fará acesso ao ROAD da mesma maneira que o
professor, isto é, através de um login e senha. Porém, a página após o acesso
apresentará ao aluno apenas os OA que foram encontrados, automaticamente,
baseados no conteúdo definido pelo professor anteriormente (Figura 22). Os OA,
além de selecionados a partir de seu conteúdo, também são filtrados em função das
características do dispositivo móvel de acesso e separados por categorias. Como é
possível perceber na Figura 22, os OA encontrados foram selecionados a partir da
disciplina “Biologia”, no módulo “Ecologia” e no tópico “Origem” e filtrados pelas
características do dispositivo móvel de acesso, um iPhone. Os resultados da
pesquisa podem apresentar diferenças quanto aos OA encontrados, caso os
dispositivos de acesso tenham configurações diferentes.
87
Figura 22. Tela inicial apresentada ao
aluno.
Figura 23. Tela de acesso ao OA.
Para acesso aos Objetos de Aprendizagem encontrados, o aluno deverá
escolher uma das categorias, que, a partir daí, carregará uma nova página com
todos os OA encontrados para aquela categoria, como é possível perceber na Figura
23.
6.4.2 ROAD para acesso livre aos Objetos de Aprendizagem
O módulo de acesso livre aos OA, não necessita de identificação para ser
utilizado. É livre para qualquer tipo de usuário e basta apenas que se acesse o
ROAD através de um dispositivo móvel e realize uma pesquisa, a qual deve ser
definida entre uma disciplina, um módulo e um tópico, como se pode perceber na
Figura 24. Os resultados da pesquisa serão apresentados igualmente como o ROAD
em apoio à sala de aula presencial, como apresenta a Figura 25. No entanto, além
do acesso ao Objeto de Aprendizagem, novas funções são apresentadas ao
escolher um OA de determinada categoria.
88
Figura 24. Tela de pesquisa no
acesso ao módulo livre do ROAD.
Figura 25. Tela que apresenta os
resultados da pesquisa pelos OA.
As novas funções disponibilizadas podem ser conferidas na Figura 26. As
novas funções são: acesso às informações do OA, realizar pesquisas por OA que
tenham sidos criados pela mesma equipe ou ainda pesquisar por OA que sejam
mantidos pela mesma instituição.
Figura 26. Funções diferencias no
ROAD.
Figura 27. Informações do OA.
As informações do OA são conferidas como apresenta a Figura 27. Entre as
informações apresentados do OA estão: nome, formato, idioma, data de criação,
Instituição a que pertence, descrição e equipe criadora.
89
Figura 28. OA de mesma equipe.
Figura 29. OA da mesma Instituição.
A opção de pesquisa por Objetos de Aprendizagem da mesma equipe
apresentou (Figura 28), como o próprio nome já diz, todos os OA que tenham sido
criados pela mesma equipe do OA inicial da pesquisa. Os objetos não estarão
separados por categorias, mas é permitida a possibilidade de ver suas informações
antes de ser executado. O mesmo acontece com os objetos de mesma instituição
(Figura 29).
6.5 Validação
A validação do ROAD foi realizada para evidenciar que, através da utilização
dos padrões da Web Semântica, ele permite uma recuperação específica e eficiente
por Objetos de Aprendizagem. Além disso, realiza a filtragem desses OA, levando
em consideração as características do dispositivo móvel de acesso. Essa validação
consistirá de uma comparação do ROAD com um dos repositórios analisados nesta
dissertação. Diante das características dos repositórios apresentados no Capítulo 4,
foi decidido pela utilização do repositório BIOE, sendo que esse é um repositório
reconhecido internacionalmente e apresenta uma quantidade expressiva de OA das
mais diversas áreas de ensino, os quais são divididos pelas mesmas categorias de
OA utilizadas no ROAD.
90
Os dispositivos móveis utilizados para realizar esta validação são de
diferentes fabricantes (Apple, HTC, RIM, Samsung, Nokia), de diferentes plataformas
(Iphone OS, RIM OS, Android, Proprietário) e apresentam diferentes características
quanto à execução de formatos de arquivos. Os dispositivos utilizados para a
validação foram: o iPhone 3G, o Blackberry 9000, o HTC Magic A6161 e o Samsung
Jet S8003.
Por motivos de comparação, somente será abordado o módulo do ROAD de
acesso livre aos Objetos de Aprendizagem, pois, dentre os repositórios pesquisados
nesta dissertação, nenhum apresenta as características do ROAD como auxílio à
sala de aula presencial.
Para iniciar essa validação, fez-se necessário realizar o acesso aos
repositórios BIOE e ROAD através de dispositivos móveis. Como é possível
perceber na Figura 30, o repositório BIOE não apresenta qualquer tipo de adaptação
de sua interface para acesso em dispositivos móveis. Além disso, seus recursos não
têm suporte para todos os tipos de dispositivos móveis, como é possível perceber na
Figura 31, na qual o campo ‘busca’ não é apresentado pelo dispositivo Blackberry
9000, o que impossibilita aos usuários desse dispositivo realizar consultas por OA.
Para realizar a comparação entre o ROAD e o BIOE no quesito educacional,
foi necessária a especificação de uma consulta. A consulta realizada está
relacionada com a disciplina de “Matemática” e o tema “Função Quadrática ou
função do 2º grau”. No BIOE, existem várias maneiras de realizar uma consulta,
todavia, as possíveis para encontrar os OA em relação a esse conteúdo definido são
através de palavras-chave ou através da pesquisa por temas. Através da pesquisa
por temas, o BIOE separa os OA através de níveis de ensino, sendo que esses
níveis são separados por disciplinas e as disciplinas são separadas por temas.
91
Figura 30. Acesso ao BIOE através da
utilização do dispositivo móvel HTC Magic.
Figura 31. Campo de consulta do BIOE não
apresentado no BlackBerry 9000.
No nível de ensino médio, na disciplina de matemática, existem apenas cinco
temas e nenhum sub-tema para catalogar 545 Objetos de Aprendizagem de
diferentes categorias. Entre esses cinco, tem-se o tema “Funções” e, a partir da
utilização desse refinamento, resultam 133 OA. Todos esses 133 OA resultantes
estão relacionados ao tema Funções, porém, seguindo PAIVA (1999), o tema
funções é dividido em 10 sub-temas, os quais são: Associando números reais a
pontos de uma reta ou de um plano; Função; Função real ou variável; Função afim
ou do 1º grau; Função quadrática ou do 2º grau; Inequação produto e inequação
quociente; O conceito de módulo; Função exponencial; Teoria dos logaritmos e,
Composição e inversão de funções. Então, como saber quais desses 133 OA refere-
se à “Função quadrática ou do 2º grau”? ou o usuário acessa um por um esses 133
OA até encontrar os relacionados ao tema desejado, ou o usuário deve tentar a
consulta a partir de outro recurso, no caso, a pesquisa por palavras-chave.
A pesquisa por palavras-chave foi feita com as seguintes expressões “função
quadrática ou função do 2º grau”. Entretanto, essa consulta gerou zero resultados.
Uma nova consulta foi realizada utilizando a expressão “função quadrática”, a qual
gerou três resultados (Figura 32). Outra consulta utilizando a expressão “função do
2º grau” gerou um resultado (Figura 33). No entanto, esse OA encontrado para
92
“função do 2º grau” não está incluído nos três resultados da consulta por “função
quadrática”, como deveria acontecer.
Figura 32. Resultados encontrados a
partir da consulta por “Função
quadrática”.
Figura 33. Resultado encontrado a partir
da consulta por “Função do 2º grau”.
Mesmo que “função quadrática” e “função do 2º grau” tenham a mesma
definição, as consultas realizadas no BIOE geraram resultados diferentes, o que
dificulta a busca por OA específicos. Ficando sob responsabilidade de o usuário
encontrar, um a um, os OA que satisfaçam suas necessidades. Dentre esses
resultados retornados da consulta, ficará também sob responsabilidade do usuário a
execução dos OA, também um a um, para reconhecer quais podem ser executados
em seu dispositivo móvel de acesso. Já que o BIOE não apresenta qualquer tipo de
preocupação relacionada às características dos dispositivos móveis.
Diante das dificuldades apresentas em relação à recuperação de Objetos de
Aprendizagem no repositório BIOE, como esperar que usuários de dispositivos
móveis acessem tal repositório em busca de OA, já que eles encontrarão, além
dessas dificuldades, outras relacionadas com a dificuldade de navegação e com as
dificuldades de visualização e execução de determinados formatos de arquivos. O
93
ROAD apresenta uma nova abordagem na recuperação de Objetos de
Aprendizagem para dispositivos móveis e, foi validado através da utilização dos
mesmos critérios utilizados para consultar OA no BIOE.
Por motivos de comparação, os quatro Objetos de Aprendizagem
relacionados à “função do 2º grau ou função quadrática” encontrados no BIOE foram
armazenados no ROAD. Através disso, foi possível apresentar as diferenças entre
um repositório que utilize apenas metadados para catalogar OA, no caso o BIOE e
um repositório que utilize os padrões da Web Semântica para armazenar os Objetos
de Aprendizagem, no caso, o ROAD.
Como o ROAD permite a catalogação de OA através da especificação de
uma disciplina, de um módulo e um tópico, todos OA armazenados estão
relacionados a um conteúdo específico, isto é, a realização de uma consulta não
será feita a partir de palavras-chave, mas, sim, diretamente através da escolha de
um conteúdo específico. Em comparação aos resultados gerados pelo repositório
BIOE, a Figura 34 e a Figura 35 apresentam uma única e específica consulta
realizada no ROAD. Os resultados são apresentados através de dois dispositivos
móveis de diferentes fabricantes, os quais apresentam os OA relacionados ao
conteúdo “função do 2º grau ou função quadrática”, separados por categorias e
aptos a serem executados no dispositivo móvel. Diante dos quatro OA existentes,
apenas três estão aptos a serem executados nos dispositivos testados. Deste modo,
apenas três OA aparecem nos resultados da pesquisa.
Como é possível perceber na Figura 34 e na Figura 35, os três Objetos de
Aprendizagem encontrados estão relacionados à categoria de animação e HTML.
Essa diferenciação permite ao usuário o conhecimento sobre qual categoria os OA
estão relacionados. Além disso, o ROAD permite pesquisas relacionadas aos OA de
mesma equipe ou de mesma Instituição. Em relação à execução desses OA nos
dispositivos utilizados para acesso, apenas três dos quatros OA estão aptos a ser
executados. No Anexo C é apresentado o acesso a esses OA através de
dispositivos móveis.
94
Figura 34. Resultado da consulta no
ROAD, através do iPhone 3G, em
comparação com os resultados do BIOE.
Figura 35. Resultado da consulta no ROAD,
através do HTC Magic, em comparação com
os resultados do BIOE.
Vale destacar também, em comparação ao BIOE, a ergonomia das telas e de
recursos de acesso no ROAD, os quais foram concebidos de modo a permitir uma
navegação simples e intuitiva, evitando a utilização de Zooms e barras de rolagem.
A validação realizada através da comparação do ROAD com o BIOE permitiu
apresentar as vantagens da utilização dos padrões da Web Semântica, porém,
devido a pouca quantidade de OA relacionados ao conteúdo especificado, não foi
possível apresentar as vantagens da filtragem que leva em consideração as
características do dispositivo de acesso.
Sendo assim, foi realizada uma consulta por Objetos de Aprendizagem da
Disciplina de “Física”, no módulo “Resistores” e no tópico “Efeito Joule”. Ao total, são
dezesseis OA relacionados a esse conteúdo, os quais são divididos em: três OA
Animação (um GIF Animado, um Flash Lite e um J2ME), três OA Figura (um JPG,
um PNG e um BMP), um HTML, um OA Simulação (um Flash Lite), cinco OA Vídeo
(um MP4, um 3GP, um FLV, um MOV e um WMV) e três OA Áudio (um MP3, um
WAV e um AAC)
95
Diante das características de cada dispositivo no qual o ROAD foi validado, a
quantidade de OA gerados a partir da consulta foi diferente entre alguns dos
dispositivos, como é possível perceber nas Figuras 36, 37, 38 e 39.
Figura 36. Filtragem dos OA no
dispositivo iPhone 3G.
Figura 37. Filtragem dos OA no
dispositivo HTC Magic.
Os dispositivos móveis iPhone e HTC Magic, como apresentado na Figura 36
e na Figura 37 respectivamente, estão aptos a executar dez de quinze Objetos de
Aprendizagem relacionados ao conteúdo da pesquisa. Porém, entre esses dez OA
encontrados, não significa que os OA sejam os mesmos para os dois dispositivos.
Por exemplo, os dois dispositivos estão aptos a executar dois OA da categoria
vídeo, porém o iPhone irá executar apenas os vídeos nos formatos MOV e MP4,
enquanto o HTC Magic está apto a executar vídeos no formato MP4 e 3GP.
96
Figura 38. Filtragem dos OA no
dispositivo BlackBerry 9000.
Figura 39. Filtragem dos OA no
dispositivo Samsung Jet S8003.
Na Figura 38, é apresentada a consulta pelos OA no dispositivo BlackBerry
9000 e, na Figura 39, no dispositivo Samsung Jet S8003. Entre todos os dispositivos
móveis utilizados na validação, somente o Smartphone Samsung Jét S8003 (Figura
39) tem como característica a disponibilidade de executar conteúdo Flash Lite, por
esse motivo, esse é o único dispositivo que apresenta OA na categoria simulação.
Diante das dificuldades relacionadas com a consulta por OA nos repositórios
atuais através de dispositivos móveis, tanto em relação à parte educacional quanto à
parte técnica, como apresentado nesta dissertação, foi possível perceber a
necessidade de um repositório que utilize técnicas que permitam uma recuperação
especifica por OA e que ainda possa filtrá-los em função das características do
dispositivo móvel de acesso. Como foi possível perceber após essa validação, o
ROAD supre essas dificuldades apresentadas, facilitando a recuperação por OA
relacionados a conteúdos específicos e que estejam aptos a serem executados no
dispositivo móvel do usuário. Também permite, a partir da utilização de Ontologias,
97
compartilhar o entendimento comum da estrutura da informação utilizada no ROAD
entre pessoas ou agentes software.
98
7 CONSIDERAÇÕES FINAIS
Este trabalho apresentou a construção de um repositório de Objetos de
Aprendizagem para dispositivos móveis baseado nos padrões da Web Semântica,
que almejou a recuperação e a reutilização de OA. Além disso, objetivou permitir
que a recuperação dos OA estivesse baseada nas características do dispositivo
móvel de acesso. Para a realização deste trabalho, foram necessários diversos
estudos e pesquisas, as quais, em síntese, abordaram o conteúdo necessário para a
modelagem e construção do repositório proposto: o ROAD.
O trabalho inicial, realizado através de uma revisão bibliográfica sobre o
assunto, possibilitou identificar as limitações das tecnologias utilizadas na Web atual
e entender as tecnologias necessárias para suprir essas limitações. Em suma, essa
parte inicial é dedicada ao estudo da Web Semântica, apresentando desde as
diferenças básicas entre dado, informação e conhecimento, como a definição de
Ontologias. Após, realizou-se um estudo aprofundado sobre Web Semântica, para,
assim, compreender sua estrutura e conhecer as tecnologias utilizadas nessa
abordagem.
Como esta dissertação também está relacionada à aprendizagem móvel, isto
é, com o acesso ao conhecimento através da utilização de dispositivos móveis, fez-
se necessário o entendimento desse contexto. Para isso, esta pesquisa abordadou a
Computação Móvel através de suas potencialidades e limitações e sua ligação com
a M-Learning. Em seguida, apresentou-se a utilização de Objetos de Aprendizagem
como recurso pedagógico, e a utilização desses através de dispositivos móveis.
Com o referencial teórico definido, foi necessário realizar pesquisas por
repositórios de Objetos de Aprendizagem, apresentando cada um através da
perspectiva de os mesmos apresentarem OA separados por categorias e pela
descrição do formato de arquivo do OA, e se possibilitavam consultas por OA
utilizando tais informações. Após essa pesquisa, percebeu-se as limitações dos
repositórios diante da recuperação de OA para dispositivos móveis, o que incentivou
fortemente a criação do ROAD.
99
Diante do objetivo desta dissertação e das limitações dos repositórios de OA
em relação às necessidades dos usuários, foi necessária a criação de uma
abordagem que utilizasse os padrões da Web Semântica sob o contexto de Objetos
de Aprendizagem para dispositivos móveis, para, assim, suprir as limitações
encontradas nos repositórios pesquisados. Essa abordagem especificou os
metadados utilizados para descrever os OA e a definição de uma Ontologia para
esse contexto. Após essa definição, foi apresentada a arquitetura do ROAD,
explicitando os dois módulos dele em separado, seguido da implementação e das
tecnologias utilizadas para a manipulação da parte semântica e da parte de
identificação do dispositivo móvel de acesso.
Em relação aos objetivos propostos nesta dissertação, pode-se concluir que
foram alcançados através da utilização dos padrões da Web Semântica e da
utilização de técnicas para descobrir o dispositivo móvel de acesso e suas
características. O módulo do ROAD como acesso livre aos OA apresentou, a partir
de sua validação, a possibilidade de contextualizar especificamente os Objetos de
Aprendizagem, permitindo consultas eficientes tanto em relação a seu contexto
educacional quanto sua a disponibilidade de ser executado no dispositivo de acesso,
permitindo, assim, suprir as limitações dos repositórios atuais.
Uma das vantagens a ser destacada no ROAD é a possibilidade de motivar
uma maior interação entre os aprendizes, isto é, já que alunos com diferentes
dispositivos móveis podem ter como resultado diferentes Objetos de Aprendizagem,
é possível que aconteça uma troca de dispositivos entre esses para que todos
tenham acesso aos OA.
Outra característica importante a ser destacada no ROAD foi a utilização de
Ontologias para OA para dispositivos móveis, a qual permitirá o compartilhamento
do vocabulário criado entre comunidades de pessoas e/ou agentes de Software.
Além disso, definiu, organizou conceitos, relações e restrições, o que contribuiu para
um ganho de expressividade e flexibilidade, permitindo ao ROAD não restringir-se a
termos e palavras-chave, como nos mecanismos de busca dos repositórios
analisados, mas, sim, na estrutura e nos conceitos definidos.
Cabe destacar também a ergonomia das telas e de recursos de acesso no
ROAD, os quais foram concebidos de modo a permitir uma navegação simples e
intuitiva, evitando a utilização de Zooms e barras de rolagem como observado nos
repositórios analisados no Capítulo 4.
100
Sendo assim, se os repositórios baseados na Web atual já representavam
uma revolução no que condiz com a recuperação de Objetos de Aprendizagem, o
ROAD, como apresentado nesta dissertação, tem a possibilidade de revolucionar
ainda mais esses paradigmas, unindo as vantagens da M-Learning com as
vantagens da Web Semântica. Tanto que, a proposta desta dissertação atingiu
níveis de aceitação nacional e internacional, sendo publicando em vários eventos de
qualidade na área.
7.1 Trabalhos Futuros
O módulo do ROAD como apoio para a sala de aula presencial é uma nova
abordagem na utilização de repositórios de OA que pretende ser de grande valia no
processo de ensino/aprendizagem móvel com contexto definido. No entanto, sua
validação em sala de aula presencial ficou para trabalhos futuros. Além disso,
pretende-se aperfeiçoar o ROAD com a utilização de técnicas de recomendação de
Objetos de Aprendizagem baseadas em filtragem colaborativa, como também,
integrar suas funcionalidades a um Ambiente Virtual de Aprendizagem móvel.
101
REFERÊNCIAS BIBLIOGRÁFICAS
ALMEIDA, P. B. S. Otimização de Websites para mecanismos de busca na
internet: uma contribuição do Eurodesign. Dissertação de Mestrado. Puc-Rio.
2007.
ANTONIOU, G; Harmelen F. Web Ontology Language: OWL. Department of AI,
Vrije Universiteit Amsterdam. 2003.
AUGUSTIN, I. et al. ISAM, joining context-awareness and mobility to building
pervasive applications. Mobile Computing Handbook. Ed. Florida. 2004.
ARAUJO, M. Educação a Distância e a Web Semântica: Modelagem Ontológica
de Materiais e Objetos de Aprendizagem para a Plataforma CoL. Tese de
Doutorado. Engenharia da Computação. USP. 2004a.
ARAUJO, Moysés; Ferreira, M, A, Construindo uma Ontologia para pesquisa de
Materiais e Objetos de Aprendizagem baseado na Web Semântica. Simpósio
Brasileiro de Informática na Educação, SBIE. 2004b.
BARCELOS, R; Tarouco, L; O Uso de Mobile Learning no Ensino de Algoritmos.
CINTED-UFRGS. Revista Novas Tecnologias na Educação. RENOTE. 2009.
BAX, M. P., Almeida, M. B., Uma visão geral sobre Ontologias: pesquisa sobre
definições, tipos, aplicações, métodos de avaliação e de construção. Revista
Ciência da Informação. Vol 32. Nº03. 2003
BERNERS-LEE, Tim; Hendler, James; Lassila, Ora. The Semantic Web. A new
form of Web content that is meaningful to computers will unleash a revolution
of new possibilities. Scientific American Magazine. 2001.
BEZERRA, Eduardo; Princípios de Análise e Projeto de Sistemas com Uml. São
Paulo: Campus, 2003.
BIOE. Banco Internacional de Objetos Educacionais. 2008. Disponível em
<http://objetoseducacionais2.mec.gov.br/>. Acesso em: 15 Jul. 2009.
102
BLACKWOOD, A.; Anderson, P. Mobile and PDA technologies and their future
use in education. JISC Technology and Standards Watch. 2004;
BOOCH, Grady. UML - Guia do Usuário. São Paulo: Campus, 2000.
BOTELHO, Rodrigo P.; Pires, Daniel F. Uso de Ontologia para a representação
Semântica de Objetos de Aprendizagem. Congresso de Iniciação Científica.
UFSCar. 2008.
BORST, W. N. Construction of engineering ontologies. 1997. Disponível em:
<http://www.ub.utwente.nl/webdocs/inf/1/t0000004.pdf>. Acesso em: 17 Abr. 2008.
BREITMAN, K. Web Semântica. A Internet do Futuro. Editora LTC. Brasil. 2005
CARDOSO, J. “The Syntactic and the Semantic Web”. Semantic Web Services:
Theory, Tools and Applications. New York: Information Science Reference. 2007.
CASTILLO, S.; Ayala, G. ARMOLEO: An architecture for Mobile Learning
Objects. Universidad de Las Americas 18
th
International Conference on
Electronics, Communications and Computers. Mexico. 2008.
CESTA. Coletânea de Entidade de Suporte ao uso de Tecnologias na
Aprendizagem. 2003. Disponível em < http://www.cinted.ufrgs.br/CESTA/>. Acesso
em: 15 Jul. 2009.
COBCROFT, R. Literature Review into Mobile Learning in the University
Context., 2006.
COMMITTEE, L. T. S. Learning Technology Standards Committee. 2005.
Disponível em: <http://ltsc.ieee.org/wg12/> Acesso em: 14 Abr 2009.
CRUZ, L. J. C., Nicoleit, E. R., Giacomazzo, G. F., Zanette, E. N., Gonçalves, L. L.
Objeto de Aprendizagem de Suporte ao Conteúdo Matemático de Limites para
Dispositivos Móveis Baseado no Padrão SCORM - OALM. Hífen (Uruguaiana). ,
v.32, p.237 - 244, 2008.
CUNHA, L. M. S; Web Semântica: estudo preliminar. Embrapa Informática. 2002.
103
DACONTA, M. C.; OBRST, L. J.; SMITH, K. T. The Semantic Web. A Guide to the
Future of XML, Web Services, and Knowledge Management. Indianápolis. 2003.
DAVENPORT, T. H.; Prusak, L.; How Organizations Manage What They Know.
Harvard Business School Press. USA. 2000.
DCMI. The Dublin Core Metadata Initiative. 1995. Disponível em
<http://dublincore.org/>. Acesso em: 23 Ago. 2009.
ECONOMIDES, A. A.; Nikolaou, N.; Evaluation of Handheld Devices for Mobile
Learning. International Journal of Engineering Education. Forthcoming. 2008
ECS, Executive Committee on Standardization. Disponível em <http://www.
api.org/Standards/committee/ecs.cfm>. Acesso em: 14 Abr 2009.
FERREIRA, E, C, H. G.; Geração Automática de Metadados: uma Contribuição
para a Web Semântica. Tese de Doutorado em Engenharia. Universidade de São
Paulo. 2006.
FRANCISCATO, F. T.; Medina, R. D.; Mobile Learning and Android: a New
Paradigm in a Brazilian Context?. IADIS International Conference - Mobile
Learning 2009. Barcelona. 2009a.
FRANCISCATO, F. T.; Medina, R. D.; Mozzaquatro, P.; Ribeiro, P. Ontology for a
learning objects repository for mobile devices based on semantic web
Standards. IADIS International Conference WWW / INTERNET. Roma. 2009b.
GAMA, L. G. C. Método de Construção de Objetos de Aprendizagem com
Aplicação em Métodos Numéricos. Tese de Doutorado. UFPR. Curitiba. 2007.
GENESERETH, M. R.; NILSSON, L. Logical foundation of AI. San Francisco
Morgan Kaufman, 1987.
GRUBER, T. R. Towards Principles for the Design of Ontologies Used for
Knowledge Sharing. In N. Guarino and R. Poli, editors, Formal Ontology
inConceptual Analysis and Knowledge Representation, Deventer, The Netherlands.
Kluwer. 1993.
104
GEORGIEV, T; Georgieva, E; Smrikarov, A; M-Learning – A New Stage of E-
Learning. International Conference on Computer Systems and Technologies-
International Conference on Computer Systems and Technologies - CompSysTech
2004.
GONÇALVES, V. E-Learning: Reflexões sobre cenários de aplicação. Escola
Superior de Educação, Instituto Politécnico de Bragança. Biblioteca Digital IPB. 2007
GOOGLE. We knew the web was big. 2008. Disponível em:
<http://googleblog.blogspot.com/2008/07/we-knew-web-was-big.html> Acesso em:
15 Maio. 2009.
GRAZIOLA, P. G. J.; Schlemmer, E.; Aprendizagem com Mobilidade (M-
Learning): Novas Possibilidades para as práticas pedagógicas a e formação
docente? 14º Congresso Internacional ABED de Educação a Distância. 2008.
GUARINO, Nicola, GIARETTA, P. Ontologies and Knowledge Bases: Towards a
Terminological Clarification. In: N. MARS (Ed.) Towards very large Knowledge
Bases: Knowledge Building and Knowledgesharing. 1995.
HARRIS P. Goin’ mobile. ASTD's Source for E-Learning. 2001. Disponível em:
<http://www.astd.org/LC/2001/0701_harris.htm >. Acesso em: 15 Abr 2009.
HENDLER J; Heflin, J; Dynamic Ontologies on the Web. Department of Computer
Science. University of Maryland. 2000.
HEY, Jonathan. The Data, Information, Knowledge, Wisdom Chain: The
Metaphorical link. Department of Mechanical Engineering: University of California
2004.
HULME, A. K.; Traxler, J. Mobile Leraning: A Hand Book for educators and
trainers. Open and Flexible learning series. 2005.
IMS. IMS Meta-data Best Practice Guide for IEEE 1484.12.1-2002 Standard for
Learning Object Metadata. 2004. Disponível em <http://www.imsglobal.org/
metadata/mdv1p3pd/imsmd_bestv1p3pd.html>. Acesso em: 24 Out. 2009.
ITU, International Telecommunication Union; New ITU ICT Development Index
compares 154 countries. Disponível em <http://www.itu.int/newsroom/press
releases/2009/07.html> Acesso em: 18 Mai 2009.
105
IWEBKIT. iWebKit. Disponível em < http://iwebkit.net/> Acesso em: 18 Jun 2009.
KIRYAKOV, A.; Ognyanov, D.; Manov, D.; OWLIM – a Pragmatic Semantic
Repository for OWL. Data, Information, and Process Integration with Semantic Web
Services - Project DIP. 2005.
LARMAN, C. Utilizando UML e padrões. 3º edição. Bookman. 2005
LEE, M. C.; Tsai, H. K.; Hsieh, C. T.; Chiu, K. T.; Wang. I. T.; An Ontological
Approach for Semantic Learning Objects Interoperability. Seventh IEEE
International Conference on Advanced Learning Technologies (ICALT 2007). 2007.
LEVY, P. A Inteligência Coletiva: por uma Antropologia do Ciberespaço. Ed
Loyola. 2003.
LIBRELOTTO, G. R. Topic Maps: da Sintaxe à Semântica. Tese da Universidade
do Minho. Braga. 2005.
LIU, Y.; Liu, J.; Yu, S. A Case Study on Mobile Learning Implementation in Basic
Education. International Conference on Computer Science and Software
Engineering. 2008.
LOM. Learning Object Metadata. 2004. Disponível em <http://ltsc.ieee.org/wg12/>.
Acesso em: 23 Ago. 2009.
LONGMIRE, W. A. A Primer on Learning Objects. 2000 Learning Circuits: ASTD’s
source for E-Learning. Disponível em: <http://www.astd.org/LC/2000/
0300_longmire.htm> Acesso em: 03 Abr. 2009.
LUCCHESI, E. M.; Silva, P. A.; Silva, V. T.; Lima, C. L.; Basso M. V. A.; Fagudes, L.
C.; Construindo Objetos de Aprendizagem e pensando em Geometria. CINTED-
UFRGS. Revista Novas Tecnologias na Educação. UFRGS. 2006.
LUME. Repositório Digital da UFRGS. 2007. Disponível em <www.lume.ufrgs.br/>.
Acesso em: 15 Jul. 2009.
106
MACEDO, L. N.; et al. Desenvolvendo o Pensamento Proporcional com o Uso
de um Objeto de Aprendizagem. Objetos de Aprendizagem: Uma Proposta de
Recurso Pedagógico. 01 ed. Brasília: MEC/SEED, 2007.
MARÇAL E. et al. museuM: Uma Aplicação de m-Learning com Realidade
Virtual. Biblioteca Digital SBC. 2005.
MARIN, A.; Franciscato. T. F.; Canal, A; Mathias, C; Silva, T; Gehn, O; Antoniazzi, R.
Gorski, G; Cassal, M; Fagan, S; Desenvolvimento de Objetos de Aprendizagem
para o Ensino Médio: Análise Combinatória. Santiago de Chile. Nuevas Ideas
em Informática Educativa. TISE 2007.
MATHIAS, C. V.; Vasconcelos, J. F. N.; Fagan. S. B. Objetos de Aprendizagem na
Educação Infantil. CINTED-UFRGS. Revista Novas Tecnologias na Educação.
UFRGS. 2009.
MATTOS, D; Moura, C. M. A.; Cavalcanti, C.; ROSA+: Um Repositório de Objetos
de Aprendizagem com Suporte a Inferência e Regras. Instituto Militar de
Engenharia e Departamento de Engenharia de Sistemas. 2006.
MENDES, R. M.; SOUZA, V. I.; CAREGNATO, S. E. A propriedade intelectual na
elaboração de objetos de aprendizagem. 2005. Disponível em:
<http://www.cinform.ufba.br/v_anais/artigos/rozimaramendes.html> Acesso em: 03
Abr 2009.
MERLOT. Multimedia Educational Resource for Learning and Online Teaching.
1997. Disponível em <http://www.merlot.org/merlot/index.htm>. Acesso em: 15 Jul
2009.
MIRANDA, R. C. da R. O uso da informação na formulação de ações
estratégicas pelas empresas. Brasília: UnBCi. Inf., Brasília. 1999.
MIRANDA, R. M. GROA: um Gerenciador de Objetos de Aprendizagem.
Dissertação de Mestrado. UFRGS. Porto Alegre. 2004.
MOHAN, P.; Brooks, C. Learning Objects on the Semantic Web. Department of
Computer Science University of Saskatchewan. Canadá. 2003.
MOREIRA, A; Alvarenga, L; Oliveira, A. P; O nível de conhecimento e os
instrumentos de representação: tesauros e Ontologias. Datagramazero: Revista
107
de Ciência da Informação, v. 5, n. 06. 2004. Disponível em:
http://www.dgzero.org/dez04/Art_01.htm. Acesso em: 10 Jul 2009.
MOTLIK, Scott. Mobile Learning in Developing Nations. Athabasca University –
Canada’s Open University. International Review of Research in Open and Distance
Learning. 2008.
MOZZAQUATRO, P; Franciscato, F. T.; Ribeiro, P.; Medina, R.; Modelagem de um
Framework para adaptação de Ambientes Virtuais de Aprendizagem móveis
aos diferentes estilos cognitivos. Ciclo de Palestras Novas Tecnologias na
Educação. CPNTE. Porto Alegre. 2009
MULLER, A. L.; et al. Semântica Formal. Ed Pinsky Ltda. São Paulo. 2003.
NASH, S. S.; Learning Objects, Learning Object Repositories, and Learning
Theory: Preliminary Best Practices for Online Courses. Interdisciplinary Journal
of Knowledge and Learning Objects. Volume 1, 2005.
NEVEN F.; Duval E. Reusable Learning Objects: a Survey of LOM-Based
Repositories. Proceedings of the tenth ACM international conference on Multimedia.
2002.
NETO, W, C, B,; Web Semântica na Construção de Sistemas de Aprendizagem
Adaptativos. Tese de Doutorado. Ciência da Computação. UFSC. 2006.
NYÍRI, K. Towards a Philosophy of M-Learning. Proceedings of the IEEE
International Workshop on Wireless and Mobile Technologies in Education.
Computer Society, 2002.
NOY, N F.; Deborah, L. M. Ontology Development 101: A Guide to Creating Your
First Ontology. Stanford University. 2001.
OLDAKOWSKI, R.; Bizer, C.; Westphal, D.; RAP: RDF API for PHP. Freie
Universität Berlin, Institut für Produktion, Wirtschaftsinformatik. 2005.
OLIVEIRA, L. R.; MEDINA, R. D. Implementation of learning objects using J2ME:
putting into practice the concept of m-Learning in Brazil. In: IEEE International
Joint Conferenceson Computer, Information, and Systems Sciences, and
Engineering. IEEE CISSE 2007.
108
OLIVEIRA, L; Desenvolvimento de Objetos de Aprendizagem para dispositivos
móveis: Iniciação ao M-Learning. 2008. Trabalho final de graduação. UFSM.
O’REILLY, T. What Is Web 2.0 - Design Patterns and Business Models for the
Next Generation of Software. 2005. Disponível em
<http://oreilly.com/web2/archive/what-is-web-20.html> Acesso em: Acesso em: 28
Abril 2009.
PAIVA, M. Coleção base: matemática. São Paulo: Moderna, 1999.
PANSANATO, L, T, E, T. Um Modelo de navegação exploratória para a infra-
estrutura da Web Semântica. Tese de Doutorado. Ciência da Computação. USP.
2007.
PELISSOLI, L., Loyolla, W. Aprendizado Móvel (M-Learning): Dispositivos E
Cenários. ABED. 11º Congresso Internacional de Educação a Distância. 2004.
PICKLER, M. E. V; Web Semântica: Ontologias como ferramentas de
representação do conhecimento. Perspectivas em Ciência da InformaçãoThe
Scientific Electronic Library Online – SciELO. 2006.
PRASAD, A. R. D.; Patel, D. An Overview of the Semantic Web. DRTC Workshop
on Semantic Web. Bangalore. 2003.
PROTÉGÉ. Ontology Editor and Knowledge-base Framework. 1997. Disponível
em <http://protege.stanford.edu/>. Acesso em: 13 Ago 2009.
QUINN, C. Mobile, Wireless, In-Your-Pocket Learning. 2000. Linezine. Disponível
em <http://www.linezine.com/2.1/features/cqmmwiyp.htm> Acesso em: Acesso em:
27 Abril 2009.
RAP. RDF API for PHP. 2002. Disponível em <http://www.seasr.org/wp-
content/plugins/meandre/rdfapi-php/doc/index.html>. Acesso em: Acesso em: 02
Abril 2009.
REINHARD, N; Saccol, A. Z; Schlemmer, E; Barbosa, J.L V; Kristoffersen, S;
Aprendizagem com Mobilidade no contexto organizacional. 2007.
109
RIBEIRO, P.; Franciscato, F. T.; Mozzaquatro, P.; Medina, R.; Validação de um
Ambiente de Aprendizagem Móvel em Curso a Distância. Simpósio Brasileiro de
Informática na Educação. SBIE. 2009.
RIVED. Rede Interativa Virtual de Educação. 2004. Disponível em
<http://rived.mec.gov.br> Acesso em: Acesso em: 15 Jul 2009.
ROHDE, G. O. Proposta de Referência com Enfoque Pragmático para o
Desenvolvimento de Conteúdos Industrial no Padrão SCORM. Dissertação de
Mestrado. UFSC. Florianópolis. 2004.
ROSENFELD, L.; Morville, P. Information Architecture for the World Wide Web.
O’Reilly Media. USA. 1998.
SAMSUNG. Sansung Jet S8000. 2009a Disponível em <http://www.samsungmobile
com.br/telefone-celular/samsung-j%C3%A9t-s8000-specification> Acesso em: 06
Nov 2009.
SAMSUNG. Sansung Scrapy. 2009b Disponível em <http://www.samsungmobile.
com.br/telefone-celular/samsung-scrapy-t459> Acesso em: 06 Nov 2009.
SANTACHÈ, A. Aplicações Educacionais na Web – O papel de RDF e
Metadados. Simpósio Brasileiro de Informática Na Educação- Sbie. 2003.
SCHLEMMER, E.; Zanela, S. A.; Barbosa, J.; Reinhard, N. M-Learning ou
Aprendizagem com Mobilidade: Casos no contexto Brasileiro. 13º Congresso
Internacional de Educação à Distância. Curitiba. 2007.
SETZER, V. W. Dado, informação, conhecimento e competência Disponível em
<http://www.ime.usp.br/~vwsetzer/dado-info-Folha.html> Publicado no jornal do
Grupo Folha Educação No. 27, 2004.
SIAU K,; Nah F. H. Mobile Technology in Education. University of Nebraska-
Lincoln. 2008.
SILVA, R. L.; Repositório Semântico de Objetos de Aprendizagem. Programa de
Pós-Graduação em Engenharia de Eletricidade. Universidade Federal do Maranhão.
2005.
110
SIMÃO, I. C., Ribas, M. H.; Informática na educação: vantagens e empecilhos.
Revista Olhar de Professor. Vol. 10. 2007.
SOUZA J.; Lopes, C. R. Saberes Docentes e o Desenvolvimento de Objetos de
Aprendizagem. In: Carmem Lúcia Prata; Anna Christina Azevedo Nascimento.
(Org.) Objetos de Aprendizagem: Uma proposta de recurso pedagógico. 001 ed.
Brasília: MEC, SEED, 2007.
SOUZA, R. R; Alvarenga, L. A Web Semântica e suas contribuições para a
ciência da informação. Perspectivas em Ciência da InformaçãoThe Scientific
Electronic Library Online – SciELO. 2004.
STARR, S. - Application of Mobile Technology in Learning & Teaching: ‘M-
learning’. Learning & Teaching Enhancement Unit (LTEU). 2007.
TALUKDER A.; Yavagal, R.; Mobile Computing: Technology, Applications and
Service Creation. Ed: McGraw Hill. New York. 2005.
TAVARES, R; Rodrigues, G; Andrade, M; Santos, J; Cabral, L; Cruz, H; Monteiro, B;
Gouveia, T; Picado, K; Objetos de Aprendizagem: Uma proposta de Avaliação da
Aprendizagem Significativa. Livro Rived. 2007.
TERA. Mobile Device Identification-Tera WURFL. 2006. Disponível em:
<http://www.tera-wurfl.com/>.Acesso em: 21 Out 2009.
TOLEDANO M. C. M. Learning objects for mobile devices: A case study in the
Actuarial Sciences degree. Current Developments in technology-Assisted
Education. 2006.
TURBAN E.; MCLEAN E.; WETHERBE J. Information Technology for
Management: Transforming Organizations in The Digital Economy. John Wiley
& Sons, 2004.
UML. Unified Modeling Language. UML Resource Page. 1997. Disponível em: <
http://www.uml.org/>.Acesso em: 29 Nov 2009.
UNICODE. What is Unicode. 1991. Disponível em: <http://www.unicode.org/
standard/WhatIsUnicode.html> Acesso em: 22 Ago. 2009.
111
USCHOLD, M; Gruninger, M;. Ontologies: Principles, methods and applications.
In Knowledge Engineering Review,.Cambridge University Press. 1996.
VALENTIM, M. L. P. Inteligência competitiva em organizações: dado,
informação e conhecimento. DataGramaZero - Revista de Ciência da Informação,
Rio de Janeiro, v.3., n.4, ago. 2002. Disponível em:
<http://www.dgz.org.br/ago02/Art_02.htm>. Acesso em: 30 Mai. 2009.
VICARI, R. et al. Relatório Técnico RT-OBAA-02/Mecanismos para a criação de
conteúdo interoperavel entre Web, TV Digital e Móveis/Impacto de diferentes
modelos de metadados na integração de tecnologias para a Web, TV Digital e
Móveis. FAURGS. 2009.
WARPECHOWSKI, M.; Recuperação de Metadados de Objeto de Aprendizagem
no AdaptWeb. Dissertação em Ciência da Computação. UFRGS. 2005.
WILEY, D. Connecting learning objects to instructional design theory: a
definition, a metaphor, and a taxonomy. The Instructional Use of Learning
Objects. 2002.
WISC. Wisconsin Online Resource Center. 2001. Disponível em <http://www.wisc-
online.com/> Acesso em: 15 Jul 2009.
WOOD K. Introduction to Mobile Learning, FERL – Technology for E-Learning,
BECTA ICT Research. 2003.
WURFL. The Wireless Universal Resource File. 2004. Disponível em
<http://wurfl.sourceforge.net/> Acesso em: 07 Out 2009.
W3C. URIs, URLs, and URNs: Clarification and Recomendations 1.0. 2001a
Disponível em: <http://www.w3.org/TR/uri-clarification>. Acesso em: 09 Maio. 2009
W3C. Extensible Markup Language (XML). 2001b Disponível em:
<http://www.w3.org/XML/>. Acesso em: 10 Ago. 2009.
W3C. Representing vCard Objects in RDF/XML. 2001c Disponível em:
<http://www.w3.org/TR/vcard-rdf>. Acesso em: 16 Set. 2009.
112
W3C. Resource Description Framework (RDF): Concepts and Abstract Syntax.
2002. W3C Recommendation. Disponível em: <http://www.w3.org/TR/2002/WD-rdf-
concepts-20021108/>. Acesso em: 13 Set. 2009.
W3C. OWL Web Ontology Language Overview. 2004. W3C Recommendation,
World Wide Web Consortium. Disponível em: <http://www.w3.org/TR/owl-features/>.
Acesso em: 18 Jun 2009.
W3C. XML Schema Part 1: Structures Second Edition. 2004a. W3C
Recommendation, World Wide Web Consortium. Disponível em:
<www.w3.org/TR/xmlschema-1/>. Acesso em: 09 Set. 2009.
W3C. XML Schema Part 2: Datatypes Second Edition. 2004b. W3C
Recommendation, World Wide Web Consortium. Disponível em:
<http://www.w3.org/TR/xmlschema-2/>.
W3C. RDF Primer. W3C Recommendation. 2004c Disponível em:
<http://www.w3.org/TR/2004/REC-rdf-primer-20040210/>. Acesso em: 13 Set. 2009.
W3C. RDF Vocabulary Description Language 1.0: RDF Schema. 2004d. W3C
Recommendation. Disponível em: <http://www.w3.org/TR/rdf-schema/>. Acesso em:
13 Set. 2009.
W3C. Namespaces in XML 1.0. 2006. Disponível em: <http://www.w3.org/TR/REC-
xml-names/> Acesso em: 09 Set. 2009.
W3C. SPARQL Query Language for RDF. 2008. Disponível em
<http://www.w3.org/TR/rdf-sparql-query/> Acesso em: 23 Jun 2009.
W3C. Mobile Web Initiative. 2005. Disponível em <http://www.w3.org
/Mobile/Specifications> Acesso em: 23 Jun 2009.
W3C. Unicode in XML and other Markup Languages. 2007. Disponível em
<http://www.w3.org/TR/unicode-xml/>. Acesso em: 22 Ago. 2009.
YONEZAWA, W. M., Souza, A. R., Silva, P. M. Desenvolvimento de Habilidades
em Tecnologias da Informação e Comunicação (TIC) por meio de Objetos de
Aprendizagem. In: Carmem Lúcia Prata; Anna Christina Azevedo Nascimento.
(Org.) Objetos de Aprendizagem: Uma proposta de recurso pedagógico. 001 ed.
Brasília: MEC, SEED, 2007.
113
ANEXO A – Restrições da Ontologia de Objetos de Aprendizagem para
dispositivos móveis
Atributos Restrição
identifier Exatamente um
title Exatamente um
Relações Restrição
hasModulo Mínimo um
Disciplina
hasModulo Somente instância de módulo
Quadro 11. Restrições para a classe disciplina.
Atributos Restrição
identifier Exatamente um
title Exatamente um
Relações Restrição
hasTopico Mínimo um
hasTopico Somente instância de Tópico
isPartOfDisciplina Exatamente um
Módulo
isPartOfDisciplina Somente instância de Disciplina
Quadro 12. Restrições para a classe Módulo.
Atributos Restrição
identifier Exatamente um
title Exatamente um
Relações Restrição
hasOA Somente instância de OA
isPartOfModulo Exatamente um
Tópico
isPartOfModulo Somente instância de Modulo
Quadro 13. Restrições para a classe Tópico.
Atributos Restrição
identifier Exatamente um
FN Mínimo um
Relações Restrição
Equipe
isPartOfObjeto Somente instância de OA
Quadro 14. Restrições para a classe Equipe.
Atributos Restrição
identifier Exatamente um
nomeinst Exatamente um
Relações Restrição
Instituição
isPartOfOA Somente instância de OA
Quadro 15. Restrições para a classe Instituição.
114
ANEXO B – Parte da Ontologia para Objetos de Aprendizagem codificada em
OWL
Figura 40. Parte inicial da Ontologia de Objetos de Aprendizagem para dispositivos móveis
codificada em OWL.
115
ANEXO C – Objetos de Aprendizagem em Execução
Figura 41. Execução do OA “Área de um
retângulo inscrito em um triângulo” no iPhone
3G.
Figura 42. Continuidade da execução do OA
“Área de um retângulo inscrito em um
triângulo” no iPhone 3G.
Figura 43. Execução do OA “Interseção parabolóide/superfície obtida girando-se o gráfico de
f(x) = sen(x)” no iPhone 3G.
Figura 44. Execução do OA “Interseção “Toro Enrolado”/Parabolóide Hiperbólico” no iPhone
3G.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
