Racioc

1
Raciocínio de Senso Comum sobre Quantidades
A idéia da Causalidade é fundamental para o
Raciocínio Semi-quantitativo (RSQ)
Mas o que é Causalidade ?
Uma ação executada por um agente com a intenção
e a expectativa que algo se seguirá. Ex.
Dirijo a mão na direção de um copo
Um evento natural que acarreta um evento ou um
estado de acontecimentos. Ex. O fogo na
floresta que queima uma cidade
O que pensam os filósofos e cientistas
Piaget usou a idéia de causa equivalente a
explicação. gt Explicações causais coordenam
diversas relações dentro de um sistema onde a
necessidade é a essência. gt A causalidade não
pode ser reduzida a uma simples relação de causa
e efeito.
Forbus e Gentner As pessoas tem uma intuição
profunda que causalidade é um aspecto central e
coesivo da vida mental humana.
Hayes O raciocínio causal pode ser
simplesmente uma fórmula de inferências cujas
propriedades variam de acordo com o conteúdo do
argumento.
2
Trabalhos em Inteligência Artificial (AI) e
Ciências Cognitivas
Forbus e Gentner tentaram caracterizar 3
aspectos principais do raciocínio causal 1.
Raciocínio explícito - Aquecimento causa
derretimento 2. Uma direção de relacionamento
causal determinada pelo mecanismo causal O
nível do copo cresce quando se acrescenta leite
3. O modo como pensamos que a quantidade varia,
notavelmente a sequência, muitas vezes
ordenada numa cadeia causal. No Eclipse
Solar a variação da intensidade luminosa Para
os autores este tipo de raciocínio é semelhante
ao raciocínio diário e tem natureza
essencialmente qualitativa. Tal raciocínio
qualitativo nos permitiria fazer inferências
rapidamente e competentemente num mundo complexo.
de Kleer e Brown tentaram construir sistemas de
raciocínio humano que raciocinariam
naturalmente. Para eles um modelo mental é
constituído de 4 passos 1. O sistema constrói
uma descrição da estrutura do dispositivo 2. O
sistema elabora um número de modos para o
possível funcionamento do dispositivo,
construindo um modelo causal dele (Processo de
Previsão) 3. O sistema imagina o modelo
funcionando 4. O sistema compara estas
possibilidades com o que acontece na realidade,
podendo revisar o modelo como resultado.
Pesquisadores de AI tentaram, sem sucesso,
desenhar sistemas para computador, que
raciocinassem qualitativamente, suportando
variáveis tipo grande, pequeno, etc.
3
Física Qualitativa x Física Ingênua
Física Qualitativa gt Raciocínio qualitativo
aplicado a situações físicas, onde a intenção
é derivar somente
inferências corretas.
Física Ingênua gt Tenta capturar o modo como os
humanos raciocinam, corretamente
ou não, sobre o ambiente físico
que o rodeia.
No TELP chamamos de raciocínio semi-quantitativo
o empregado na Física Qualitativa, em lugar de
raciocínio qualitativo, porque tanto a física
qualitativa quanto a física ingênua indicam a
direção do raciocínio e fornecem tamanhos
aproximados de causas e efeitos.
Trabalhos com Crianças e Estudantes
Piaget A compreensão da causalidade esta
ligada a mecanismos gerais de desenvolvimento
da inteligência. Outros pesquisadores As
crianças são capazes de raciocinar causalmente em
domínios familiares. Simples sequências
ordenadas temporalmente Ploetzner et al
Desenvolveram um representação multi-nível do
domínio de conhecimentos e raciocínio sobre o
mundo físico gt Sistema Tutorial Inteligente
Os domínios de conhecimento são divididos em
níveis de complexidade crescente Qualitativo,
Semi-quantitativo relacional, Quantitativo
relacional, Quantitativo numérico
4
Nemirovsky e Rubin Objetivo Estudaram o
problema do relacionamento entre a função e a sua
derivada. Alunos Grupo pequeno de estudantes
secundários americanos que nunca estudaram
cálculo Método Trabalharam em 3
contextos Movimento, Fluidos e Integração
Numérica Usaram programas de
computador que geravam funções e permitiam
explorar a sua forma Conclusões 1.
Os estudantes tendem a assumir semelhança entre o
comportamento da função e sua derivada -
Abordagem de semelhança 2. Na abordagem
variacional os estudantes focalizaram no
relacionamento entre a função e sua
derivada, em lugar das propriedades gerais de
cada gráfico.
Kurtz dos Santos Objetivo Comparação entre
o desempenho de estudantes entre diferentes
abordagens de modelagem Diagramas
causais, programa IQON,
programa STELLA Alunos Estudantes com 16 a 18
anos Método Questionário para um survey
(variáveis, diagramas causais, modelagem)
Metade trabalhou com diagramas causais e
metade com o IQON em tarefas
expressivas e exploratórias. Os
dois grupos trabalharam com o STELLA em tarefas
expressivas e exploratórias
5
Conclusões (Kurtz dos Santos) 1. Os estudantes
que trabalharam com o IQON se saíram melhor do
que os que trabalharam com diagramas causais,
tanto nas tarefas expressivas e exploatórias 2.
Os dois grupos foram iguais quando trabalharam
para construir modelos causais em loops no
STELLA 3. A idéia da taxa de mudança é
fundamental para a modelagem quantitativa e para
entender modelos no STELLA. Houve problemas
com a representação da taxa de mudança de uma
variável como sendo outra variável 4. Os
estudantes precisam ser capazes de relacionar as
entidades razoavelmente num modelo e fornecer
mecanismos que expliquem estes relacionamentos. A
maioria usou um raciocínio causal linear
(uma causa, um efeito)
Bliss Objetivo Estudar o raciocínio com um
instrumento semi-quantitativo Estudantes
Alunos com idades entre 11 e 14 anos Método
Tarefa de raciocínio sem computador
Aprender a usar o computador e o IQON
Executar a tarefa de modelagem em 3 áreas
nos modos exploratório e
expressivo Conclusões 1. Os modelos feitos
nas tarefas expressivas foram mais simples do que
os modelos que eles poderiam entender
facilmente nas tarefas exploratórias 2. Não
tiveram hesitação em criticar seus próprios
modelos nas tarefas expressivas 3. Nas tarefas
exploratórias eles sugeriram apenas adições e
extensões 4. A maioria usou referências ao
mundo real e seu conhecimento e experiência