Área de Análise de Sistemas por Emerson Cassanelli Luiz ...siaibib01.univali.br/pdf/Emerson...
Transcript of Área de Análise de Sistemas por Emerson Cassanelli Luiz ...siaibib01.univali.br/pdf/Emerson...
UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR
CURSO DE CIÊNCIA DA COMPUTAÇÃO
MODELO COMPUTACIONAL PARA IDENTIFICAÇÃO DE DIFICULDADE MOTORA EM CRIANÇAS COM IDADE PRÉ-ESCOLAR
Área de Análise de Sistemas
por
Emerson Cassanelli
Luiz Eduardo Perfeito Nunes, M.Sc Orientador
São José (SC), Julho de 2007
UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR
CURSO DE CIÊNCIA DA COMPUTAÇÃO
MODELO COMPUTACIONAL PARA IDENTIFICAÇÃO DE DIFICULDADE MOTORA EM CRIANÇAS COM IDADE PRÉ-ESCOLAR
Área de Análise de Sistemas
por
Emerson Cassanelli Relatório apresentado à Banca Examinadora do Trabalho de Conclusão do Curso de Ciência da Computação para análise e aprovação. Orientador: Luiz Eduardo Perfeito Nunes, M.Sc.
São José (SC), Julho de 2007
ii
SUMÁRIO
LISTA DE ABREVIATURAS .................................................................. iv LISTA DE FIGURAS ................................................................................. v LISTA DE EQUAÇÕES............................................................................ vi RESUMO........... ........................................................................................vii ABSTRACT ...... ...................................................................................... viii 1 INTRODUÇÃO........................................................................................ 1 1.1 PROBLEMATIZAÇÃO........................................................................ 2 1.1.1 Formulação do prolema..................................................................... 2 1.1.2 Solução proposta ............................................................................... 2 1.2 OBJETIVOS ......................................................................................... 3 1.2.1 Objetivo Geral .................................................................................... 3 1.2.2 Objetivo Específicos........................................................................... 3 1.3 METODOLOGIA ................................................................................. 3 1.4 ESTRUTURA DO TRABALHO.......................................................... 5 2 FUNDAMENTAÇÃO TEÓRICA........................................................... 6 2.1 ESTUDO DA PERSONALIDADE ...................................................... 7 2.1.1 A Inteligência ..................................................................................... 8 2.1.2 Os testes psicológicos......................................................................... 9 2.1.3 Origem dos testes psicológicos .......................................................... 9 2.1.4 Sobre os testes psicológicos ............................................................. 10 2.2 PROGRAMAÇÃO NEURO-LINGÜÍSTICA .................................... 12 2.2.1 Surgimento da Programação Neuro-lingüística ............................... 14 2.2.2 Identificação de características pessoais pela PNL.......................... 14 2.3 TESTES ESTATÍSTICOS E COLETA DE DADOS ........................ 16 2.3.1 Planejamento do teste estatístico...................................................... 18 2.3.2 Critério de escolha da coleta de dados ............................................. 19 2.3.3 Observação dos fatos, comportamentos e cenário de pesquisa ....... 20 2.4 INTELIGÊNCIA ARTIFICIAL.......................................................... 22 2.4.1 Representação do Conhecimento ..................................................... 25 2.4.2 Formas de representação do raciocínio............................................ 27 2.5 RACIOCÍNIO BASEADO EM CASOS ............................................ 29 2.5.1 Ciclo de processo do RBC ............................................................... 29 2.5.2 Similaridade...................................................................................... 31 3 DESENVOLVIMENTO........ ................................................................ 36
iii
3.1 MODELAGEM................................................................................... 37 3.1.1 Modelo de Requisito ........................................................................ 37 3.1.1.1 Requisitos Funcionais ................................................................... 37 3.1.1.2 Requisitos não Funcionais............................................................. 37 3.1.1.3 Regra de negócio ........................................................................... 38 3.1.2 Modelagem do sistema..................................................................... 38 3.1.3 Diagrama de Uso de Caso ................................................................ 38 3.1.4 Use case do Processo........................................................................ 39 3.1.5 Use Case Professor........................................................................... 40 3.1.6 Use Case Especialista....................................................................... 40 3.1.7 Modelo Lógico ................................................................................. 41 3.1.8 Tela do Sistema ................................................................................ 42 3.1.9 Diagrama de Seqüência .................................................................... 48 3.1.10 Modelagem do Banco de dados ..................................................... 49 3.2 ANÁLISE DE RISCOS ...................................................................... 51 4 CONSIDERAÇÕES FINAIS................................................................. 52 REFERÊNCIAS BIBLIOGRÁFICAS...................................................... 54 ANEXO 1 ......... ........................................................................................ 57 ANEXO 2 ......... ....................................................................................... 61 ANEXO 3 ......... ........................................................................................ 65 ANEXO 4 ......... ........................................................................................ 68 ANEXO 5 ......... ........................................................................................ 71
iv
LISTA DE ABREVIATURAS
UNIVALI Universidade do Vale do Itajaí UML Unified Modeling Language IA Inteligência Artificial RBC Raciocínio Baseado em Casos PLN Programação Neuro-Lingüística
v
LISTA DE FIGURAS
Figura 01. Sistema de sinais ............................................................................................................. 20 Figura 02. Registro de freqüência .................................................................................................... 20 Figura 03. Escala qualitativa 01 ........................................................................................................ 21 Figura 04. Escala qualitativa 02 ........................................................................................................ 21 Figura 05. Escala qualitativa 03 ........................................................................................................ 21 Figura 06. Escala qualitativa 04 ........................................................................................................ 21 Figura 07. Escala qualitativa 05 ........................................................................................................ 22 Figura 08. Ciclo de raciocínio baseado em casos.............................................................................. 30 Figura 09. Apresentação do sistema.................................................................................................. 38 Figura 10. Use Case Processo .......................................................................................................... 39 Figura 11. Use Case Professor ......................................................................................................... 40 Figura 13. Use Case Especialista ..................................................................................................... 40 Figura 14. Modelo Lógico ................................................................................................................ 41 Figura 15. tela01 – Acesso ao sistema ............................................................................................. 42 Figura 16. tela02 – Cadastro Geral ................................................................................................... 43 Figura 17. tela07 – Cadastro Geral ................................................................................................... 43 Figura 18. tela03 – Cadastro de Educador ....................................................................................... 44 Figura 19. tela04 – Cadastro de Pergunta ........................................................................................ 44 Figura 20. tela08 – Cadastro de dados sociais ................................................................................. 45 Figura 21. tela05 – Dados Psicomotores .......................................................................................... 46 Figura 22. tela06 – Similaridade ...................................................................................................... 47 Figura 23. Diagrama de seqüência Acesso ao sistema – Acesso especialista .................................. 48 Figura 24. Diagrama de seqüência Acesso ao sistema – Acesso professor ...................................... 48 Figura 25. Tabela cadastro de pergunta ........................................................................................... 49 Figura 26. Tabela cadastro de professor............................................................................................ 49 Figura 27. Tabela cadastro de Aluno ................................................................................................ 50 Figura 28. Tabela de Análises ........................................................................................................... 50 Figura 29. Tabela Temporária ........................................................................................................... 50 Figura 30. Relacionamento entre as tabelas ..................................................................................... 51
vi
LISTA DE EQUAÇÕES
Equação 01 ........................................................................................................................................38 Equação 02 ....................................................................................................................................... 39
vii
RESUMO
CASSANELLI, Emerson. Modelo computacional para identificação de dificuldade motora em crianças com idade pré-escolar. São José, 2007. 80f. Trabalho de conclusão de curso (Graduação em Ciências da Computação) – Universidade do Vale do Itajaí, São José, 2007. Muitos problemas relacionados à motricidade têm a origem na infância. Diante disso é interessante uma identificação ainda quando criança para que se possa o quanto antes buscar um tratamento adequado. Existem profissionais como terapeutas e psicólogos que por meio de avaliações identificam se uma criança apresenta alguma dificuldade motora. Nem sempre essas percepções são vistas por pessoas do convívio da criança. Visando auxiliar o professor nesta difícil tarefa de identificação, este trabalho apresenta através dos conhecimentos dos testes psicológicos, programação Neuro-lingüística, Raciocínio Baseado em Casos, Unified Modeling Language entre outras, uma forma computacional de identificação dessas tarefas. Este trabalho foi desenvolvido a partir dessa idéia e tem também o propósito de unir o conhecimento das áreas humanas com a tecnologia. Desta forma, pode-se verificar que a tecnologia e suas ferramentas podem auxiliar o seres humano de diversas formas, buscando assim uma forma facilitar de resolver tarefas complexas. Palavras-chave: Motricidade, Raciocínio baseado em caso, Similaridade.
viii
ABSTRACT
CASSANELLI, Emerson. Computational model for identification of motor difficulty in children with age pertaining to pre-school. São José, 2007. 80f. Final course project (Computer Science Undergraduate Course) – Universidade do Vale do Itajaí, São José, 2007. Many problems related to motricity start during childhood. Thus, it is of interest to identify these problems during childhood in order to seek adequate treatment as early as possible. There are professionals, such as therapists and psychologists, who through evaluations identify whether a child has some motor difficulty. These problems are not always perceived by the people who are involved with the child. In order to aid teachers in this difficult task of identification, this study presents, through the knowledge of psychological tests, neuro-linguistic programming, case-based rationale, and Unified Modeling Language, among other techniques, a computational way to identify these motor difficulties. This study was developed from this idea and also aims to unite knowledge from the areas of humanities with technology. Therefore, it can be verified that technology and its tools can aid human beings in various different ways, seeking thus a way to solve complex tasks. Keywords: Motricity, case-based rationale, similarity.
1 INTRODUÇÃO
O movimento humano já é percebido desde antes do nascimento, quando por meio dos
movimentos motores ainda dentro do útero materno o feto dá sinal de vida, se manifesta. Os
movimentos motores acompanham a criança a cada fase de sua vida e têm grande importância no
seu desenvolvimento. Durante o crescimento, as crianças procuram pegar tudo o que vêem pela
frente, pois elas usam os sentidos, principalmente o tato para conhecerem o que está a sua volta.
Entre o nascimento e os primeiros anos (idade que varia de criança para criança) o conhecimento
vai ganhando outros aliados como percepção, reconhecimento; a criança também precisa ter uma
visão de tempo e espaço mais definida. Equilíbrio, movimento e lateralidade também são
importantes para a sua formação. Na falta ou dificuldade em algumas delas o desempenho geral se
torna comprometido, podendo ter impacto também na fase adulta (ROSA NETO, 2002).
No que diz respeito à educação pré-escolar, a motricidade tem papel fundamental para a
conquista da independência. Em seu espaço educacional, a criança deve movimentar-se de forma
espontânea, para que a sua visão temporal, espacial e equilíbrio aconteçam de forma natural e no
tempo certo. Se o professor identificar alguma dificuldade motora ainda na pré-escola, esta
descoberta poderá trazer um ganho importante para o aluno. Isso porque quando essas dificuldades
são identificadas, as chances de sucesso em um tratamento são maiores. Uma criança com
dificuldade motora pode, além de ter baixo desempenho na vida escolar, ter também dificuldades no
convívio social em função da baixa auto-estima.
A percepção de alguma destas dificuldades motoras por parte do professor não é fácil, pois
vários fatores podem contribuir para que o aluno tenha atitudes diferentes das outras crianças,
como: familiares, sociais, de caráter biológico etc. Contudo se os educadores conseguissem
identificar as crianças com tal carência e encaminhá-las a um especialista no assunto, a integração
social, a organização, a concentração e a auto-estima, poderiam ser trabalhados ajudando a tornar
esta um cidadão criativo, crítico e preparado para a vida (ROSA NETO, 2002). Neste sentido, a
proposta desse projeto é desenvolver um modelo para auxiliar o professor a identificar as
dificuldades motoras nas crianças em idade pré-escolar, e com isso encaminha-las ao apoio
adequado.
É reconhecido que a atividade motora nas crianças é de fundamental importância para o seu
desenvolvimento. O psiquiatra francês Duprê no início do século passado, identificou que as
2
perturbações psicológicas têm estreita relação com as perturbações motoras. Logo, é importante que
o educador consiga identificar, caso a criança possua, qualquer tipo de dificuldade motora, para que
a criança seja encaminhada a um tratamento assim que descoberto essas dificuldades motoras. As
crianças que apresentam dificuldades desta natureza podem ter seu aprendizado comprometido
devido a problemas como: falta de concentração, equilíbrio, dificuldade no raciocínio, organização
de tempo e espaço, convívio social entre outros. (VIRTUS, 2003).
Muitos educadores conhecedores de que a aprendizagem ocorre de maneira diferenciada em
cada criança, acabam dando menos atenção aos aprendizes mais lentos, ou seja, aquele que por
alguma razão não acompanham os demais (VYGOTSKY, 1991). Deste modo, este trabalho propôs
o desenvolvimento de um modelo computacional para auxiliar os educadores a identificar dentre as
crianças de dois a seis anos quais podem ter algum tipo de dificuldade motora. Essa faixa de idade
foi escolhida, pois a criança ainda não entrou na idade escolar propriamente dita e para os casos
identificados e tratados o ganho no desenvolvimento poderá ter grande valia na formação da mesma
como cidadã.
1.1 PROBLEMATIZAÇÃO
1.1.1 Formulação do Problema
O problema relatado neste trabalho é a dificuldade encontrada pelos educadores em perceber
se alguma das crianças que fazem parte de seu espaço educacional possui algum tipo de dificuldade
motora.
1.1.2 Solução Proposta
1 – Disponibilizar um modelo computacional que auxilie o educador a identificar
dificuldades motores em crianças de dois a seis anos, em seu espaço computacional;
2 – Interagir de maneira simples (sem dificuldades) entre o educador e o modelo
apresentado.
3 – Auxiliar o educador no ganho de competência tanto na área tecnológica (com a parte
computacional) quanto na área psicológica, (identificação das dificuldades).
3
1.2 OBJETIVOS
1.2.1 Objetivo Geral
Desenvolver um modelo computacional para auxiliar o educador no processo de
identificação de dificuldades motoras em crianças entre dois e seis anos.
1.2.2 Objetivos Específicos
• Pesquisar as dificuldades do educador para identificar dificuldades motoras em crianças
com idade pré-escolar;
• Pesquisar maneiras de registrar o comportamento das crianças com idade pré-escolar que
possam apresentem deficiência motora;
• Pesquisar modelos de softwares já existentes que auxiliem na identificação de algum
tipo de problema em crianças;
• Elaborar o modelo computacional proposto;
• Validar a funcionalidade do modelo com especialistas da educação;
• Testar o modelo em campo; e
• Aplicar o modelo computacional.
1.3 Metodologia
Foram necessárias cinco etapas para executar esse projeto de pesquisa e cumprir os objetivos
especificados. Foram elas:
1 - Estudo do comportamento e dificuldades dos educadores em relação à identificação dos
comportamentos das crianças;
2 - Pesquisa de modelos semelhantes para identificar perfis de comportamento;
3 - Criação do modelo computacional proposto;
4 - Validação das funcionalidades do modelo;
5 - Teste dos resultados em campo.
4
6 - Aplicação do modelo
Etapa 1: Foi feito nesta fase um estudo das dificuldades encontradas pelos educadores em
identificar as crianças que possuem algum tipo de dificuldade motora, (motricidade fina e global,
equilíbrio, lateralidade, organização espacial e temporal), modo de trabalho do educador em sala de
aula, visão da turma vista pelo educador (comportamento das crianças em grupo e individualmente).
Nesta etapa foi estudado o comportamento dos educadores em relação aos seus alunos e como
podem ser aplicados os testes para constatação ou não de dificuldades motoras nas crianças. (a
pesquisa realizada será por meio de pesquisa bibliográfica e entrevistas a educadores). Foi realizado
também estudo da motricidade infantil para aplicação no modelo.
Etapa 2: Nesta etapa foi realizada uma pesquisa por modelos semelhantes para identificar de
que maneira poderá ser desenvolvido um modelo para este fim, quais informações devem constar e
como estará disponível, além de como o modelo deverá apresentar seus resultados ao usuário final,
no caso o Educador.
Etapa 3: O modelo foi criado nesta etapa, este contêm todas as interações colhidas pelo
educador com os testes realizados. Na etapa 3 foi criado tanto o questionário para o educador
quanto o ambiente computacional para a entrada dos dados, bem como o modelo de apresentação da
saída do resultado.
Etapa 4: Na validação das funcionalidades, o modelo foi proposto aos educadores que
convivem com crianças na faixa etária especificada para a validação das funcionalidades do mesmo.
Neste momento os educadores verificaram se o modelo está de acordo com o proposto, se atende às
necessidades indicadas e tem fácil compreensão e manuseio.
Etapa 5: Na quinta etapa do trabalho foi disponibilizado o modelo após a validação das
funcionalidades para testes prático em campo, a fim de identificar a eficácia do mesmo, assim
concluindo se estará apto para o uso proposto, o teste será realizado com crianças de faixa etária
diferente e em escola da rede pública de ensino onde os recursos são limitados, pois desta maneira
se verificou se o modelo testado auxiliará ou não o educador na identificação das dificuldades
motoras nas crianças.
Etapa 6: Por fim, após os testes realizado em campo e sendo confirmado que o modelo
realmente auxilia o educador na identificação das dificuldades motoras em crianças, Foi validado o
modelo para utilização.
5
1.4 Estrutura do trabalho
Estudo da dificuldade encontrada pelo educador em identificar alunos com dificuldade
motora (pesquisa bibliográfica e entrevistas com educadores);
Pesquisa do modo de trabalho e comportamento do educador em sala de aula para identificar
pontos fundamentais do modelo;
Pesquisa da motricidade infantil (motricidade fina e global, equilíbrio, lateralidade,
organização espacial e temporal) para identificar pontos fundamentais do modelo;
Pesquisa do modo de identificação do educador diante do comportamento das crianças com
a dificuldade;
Pesquisa de modelos semelhantes;
Modo de desenvolvimento (layout, tipo de dados entrantes e saintes, forma de apresentação
dos resultados);
Pesquisa do modo de apresentação das perguntas e atividades necessárias para o teste;
Criação da parte computacional para inclusão dos dados;
Criação do relatório com o resultado, baseado na entrada de dados fornecida pelo educador;
O modelo será apresentado aos educadores para validação;
Ajuste no modelo de acordo com o proposto pelo usuário;
Disponibilizado modelo para teste prático.
6
2 FUNDAMENTAÇÃO TEÓRICA
A procura pela identidade da motricidade teve inicio com os trabalhos de Ajuriageura e
Diatkine no Hospital Henri-Rosselle em Paris durante o período de 1947 a 1959. Ambos
impulsionaram de maneira bastante significativa a história moderna da motricidade. Esses autores
tinham preferência pela debilidade motriz e suas contribuições foram responsáveis por um avanço
na prática motriz, pois construíram a base científica que visa dar seqüência aos tratamentos em
crianças. Além disso, esses autores, realizaram uma série de publicações. Em 1960, na França,
publicaram a primeira carta de reeducação motriz. Esta carta trouxe a fundamentação teórica do
exame motor, bem como uma série de métodos e técnicas de tratamento de diversos transtornos
motores.
Dentre os diversos tipos de motricidade, estaremos neste trabalho identificando alguns
elementos básicos da motricidade como:
• Motricidade Fina (tarefas manuais);
• Motricidade Global (coordenação);
• Equilíbrio (postura estática);
• Esquema corporal (imitação de postura, rapidez);
• Organização espacial (percepção de espaço);
• Organização temporal (linguagem, estrutura temporal);
• Lateralidade (mãos, olhos e pés).
(ROSA NETO, 2002).
No mundo moderno, a informática e suas aplicações auxiliam o ser humano em suas
atividades dando maior agilidade e precisão nas tarefas realizadas. Essa tecnologia se aplica a todos
os segmentos da sociedade, e em muitos casos, interagindo em diferentes profissões. Neste projeto
percebe-se uma forte união entre a Pedagogia e a Psicologia em conjunto com a Informática, que,
por meio de um modelo computacional, ajudará o educador a identificar alunos na idade pré-escolar
com dificuldade motora.
7
Será utilizado para pesquisa em campo, a creche Ferminio Francisco Vieira, localizado no
bairro do Córrego Grande no município de Florianópolis. A instituição citada pertence à rede
publica de ensino do município e possui aproximadamente 200 crianças em idade de zero a seis
anos, além de dez pedagogas mais vinte professores auxiliares.
Para a criação do modelo proposto, foram feitos estudos da PNL (Programação Neuro-
linguísticas) e de testes psicológicos para identificação do perfil da criança. Os testes psicológicos e
a PNL, possuem técnicas que medem as diferenças entre os indivíduos ou as diferentes reações de
um mesmo indivíduo em diversas situações (ANASTASI, 1977).
2.1 Estudo da personalidade
A personalidade humana, por meio de suas manifestações, costuma ser avaliada através de
métodos diferenciados. De forma geral pode ser classificada em métodos subjetivos e métodos
objetivos. Chamado de subjetivo quando uma interpretação passa pela seleção do pesquisador e
objetivos quando, seja qual for o avaliador, os resultados são sempre interpretados da mesma forma.
Dentre os métodos subjetivos incluem-se os métodos de observação, as entrevistas, as escalas de
avaliação, e as chamadas técnicas projetivas; entre os métodos objetivos, encontram-se os testes
objetivos da personalidade, geralmente apresentados sob forma de questionários com alternativas de
respostas fixas (LODI, 1991).
Além dos métodos de avaliação global da personalidade, existem os testes específicos de
habilidades, aptidões e interesses, que medem aspectos limitados da personalidade. O problema
central dos métodos de avaliação da personalidade, considerados subjetivos, é a diferença que um
examinador pode tratar um resultado de outro, resultando uma diferenciação dos resultados, no
final. Para que isto seja evitado, geralmente se faz a constatação da veracidade, onde dois ou mais
avaliadores julgam a mesma pessoa e os resultados são posteriormente avaliados.
No caso dos testes mais objetivos, estes problemas não acontecem, por serem os resultados
objetivos, não dando margens para interpretações que possam ser consideradas subjetivas, ou seja,
os testes objetivos estabelecem enquadramentos padronizados de respostas. Um teste bastante
utilizado é o teste de personalidade 16 PF. Trata-se de um questionário com 187(cento e oitenta e
sete) perguntas onde são analisadas dezesseis características do sujeito. Sendo um teste objetivo,
apresenta pouca margem de erro, e pequena possibilidade de se modificar os resultados de acordo
com o avaliador (ANASTASI, 1977).
8
2.1.1 A inteligência
Considerando que a inteligência representa um fator importante na formação do indivíduo,
alterando inclusive a sua forma de agir no mundo e, conseqüentemente o seu perfil de
personalidade, julga-se necessário colocar algumas definições e formas diferentes de se tratar o
conceito “inteligência” (CRONBACH, 1996).
O conceito de inteligência tem sido usado com vários significados diferentes, não apenas no
sentido conhecido popularmente, mas também por diferentes disciplinas, como: biologia, filosofia,
educação e por psicólogos que se especializam em diferentes áreas (ANASTASI, 1977;
CRONBACH, 1996).
De um modo geral, o QI, quociente de inteligência, é uma designação abreviada para a
inteligência. O termo QI é tão conhecido que não pode ser simplesmente ignorado como uma
concepção popular errônea. Entretanto, alguns testes consideram o QI de forma diferente variando
em conteúdo e na forma de interpretação de seus valores. Ao testarmos a inteligência, deveríamos
considerar um conceito descritivo e não um conceito explicativo.
O quociente de inteligência é uma expressão do nível de habilidade de um indivíduo em um
determinado tempo, em relação ao padrão de idade. Nenhum teste de inteligência pode indicar as
razões para o bom desempenho de uma pessoa. Atribuir o desempenho inadequado em um teste ou
atividades da vida cotidiana à inteligência inadequada é uma tautologia, e não faz avançar o nosso
conhecimento da deficiência do indivíduo. Pode servir apenas para atrasar a exploração das causas
reais das deficiências na história pessoal do indivíduo (CRONBACH, 1996).
Os testes de inteligência, assim como todos os outros, não devem servir para classificar as
pessoas, mas para compreendê-las. Um objetivo importante dos testes realizados é contribuir para o
auto-entendimento e para o desenvolvimento pessoal. As informações fornecidas pelos testes estão
sendo cada vez mais usadas para ajudar as pessoas no planejamento educacional e vocacional e na
tomada de decisões sobre suas vidas.
E importante lembrarmos que a inteligência não é uma habilidade única, mas um composto
de várias funções. Através da Inteligência Artificial, que será explicado posteriormente, pode-se
modelar o conhecimento humano através de esquemas computacionais.
9
2.1.2 Os testes psicológicos
Quando não se conhece os alunos de uma turma, é comum que os professores encaminhem
para a avaliação os alunos que os incomodam ou que não conseguem acompanhar a turma, mesmo
parecendo simples, não é certo que uma criança deva ou não ser encaminhada.
Os testes psicológicos podem ser aplicados para identificar alunos que diferem de maneira
significativa, de seus colegas de mesma idade.
A razão mais comum pelas quais as crianças são encaminhadas para a avaliação psicológica,
é a de que um pai ou educador acredita que eles não estão apresentando um desempenho tão bom
com o esperado. (SALVIA e YSSELDYKE, 1991).
Uma forma muito usada para identificar a estratégia ou comportamento de um indivíduo são
os testes psicológicos, que são empregados na solução de grande número de problemas práticos
como a: identificação de traços psicológicos, mensuração de diferenças entre grupos, investigação
de fatos ligados às diferenças de comportamentos etc. (ANASTASI, 1977).
A função dos testes psicológicos é medir a diferença entre indivíduos. Um forte impulso
para o desenvolvimento dos testes foi apresentado pelos problemas surgidos na educação. Os testes
educacionais podem ser empregados para a classificação das crianças, com relação a sua capacidade
de aproveitar os diferentes tipos de instrução escolar (ANASTASI, 1977). Certamente o educador
tem um papel importante nesse sentido, pois são eles os principais fornecedores do conhecimento
para os alunos, são eles que convivem com as crianças no ambiente escolar. Segundo Anthony
Robbins (1987), um dos maiores problemas na educação é que os professores não conhecem as
estratégias de seus alunos. Robbins, nesta afirmação, refere-se ao fato de cada aluno ter sua própria
personalidade e cada um tem uma maneira particular de agir.
2.1.3 Origem dos testes psicológicos
Os testes psicológicos tiveram início na antiguidade, entre os gregos, e eram reconhecidos
como auxiliares do processo educacional. Os testes eram utilizados para obter o domínio de
habilidades tanto física como intelectual e o foco de atenção voltava-se para a uniformidade do que
para as diferenças de comportamentos. Na primeira década do século XX, Binet, em 1908, realizou
testes agrupados por níveis de idade. Foram colocados, no nível de três anos, todos os testes que a
criança de 3 anos era capaz de responder, no nível de quatro anos, todos os testes respondidos por
10
criança de 4 anos e assim sucessivamente até a idade de 13 anos. Esse resultado dos testes podia ser
agrupado como idade mental.
Quatro anos depois, em 1912 Kuhlmann fez uma revisão dos testes de Binet e organizou
testes de inteligência para crianças na idade pré-escolar. Ao longo do tempo esses foram
aperfeiçoados, pois os testes de Kuhlmann e Binet eram feitos de forma individual e deveriam ser
realizados por um examinador muito treinado.
Na Primeira Guerra Mundial, foram criados testes coletivos onde o examinador deveria
possuir um mínimo de treinamento. Então os professores começaram a aplicá-los em salas de aulas
e os testes, que eram orais, passaram a ser escritos, permitindo maior cobertura do conteúdo e
eliminando a possibilidade de favorecimento do examinador (ANASTASI, 1977).
Numa outra etapa da história, surgem os testes de personalidade, que vieram para mensurar
“aspectos afetivos ou não intelectuais do comportamento” (CRONBACH, 1996). Tais testes são
utilizados na avaliação do ajustamento emocional, motivação, relações sociais, interesse e atitudes.
Avalia também, seus hábitos de ações, como por exemplo, se é uma pessoa que costuma ser pontual
ou se atrasar. São destacados ainda, a origem de perturbações emocionais e seus conflitos pessoais
(CRONBACH, 1996).
Com o surgimento dos testes de personalidade iniciou-se a pesquisa das características com
relação social, motivação, interesses e atitudes.
2.1.4 Sobre os testes psicológicos
A função dos testes psicológicos é medir diferenças ou semelhanças entre indivíduos, ou as
reações dos mesmos em diferentes situações. ANASTASI (1977) mostra a identificação dos
deficientes mentais como responsável pelo desenvolvimento dos testes psicológicos. Isto ocorreu,
devido à necessidade de se classificar aqueles que apresentavam dificuldades na aprendizagem. Era
necessário que se soubesse se este indivíduo realmente apresentava uma carência intelectual, ou se
estava sendo mentalmente prejudicado por alguma questão física ou emocional, que bloqueava sua
aprendizagem. Os testes vieram auxiliar esta diferenciação com o intuito de aplicar o tratamento
correto a estes indivíduos.
Atualmente é um recurso imprescindível na prática do psicólogo, juntando as mais diversas
áreas de atuação. O teste auxilia o profissional da área clínica, auxiliando-o nas diferenciações dos
11
diversos diagnósticos, na área educacional, por exemplo, classificando os níveis dos estudantes, ou
na área empresarial, selecionando os trabalhadores e ajustando-os em seus setores e em todas as
áreas de atuação do psicólogo (CRONBACH, 1996).
Francis Galton, um biólogo inglês, é apontado como o precursor da aplicação dos testes
psicológicos. Motivado pelo seu interesse pela hereditariedade humana, despertou-se pela
necessidade de medir características de pessoas afins e não afins. Seus estudos possibilitaram o
primeiro conjunto sistemático de dados sobre diferenças individuais em processos simples
(CRONBACH, 1996).
Com o passar do tempo, percebeu-se que os testes de inteligência mediam apenas alguns
aspectos da inteligência. Alguns enfatizavam mais a área de matemática, portanto avaliavam
somente a agilidade que o indivíduo possuía para solucionar problemas nesta área. Outros
enfatizavam questões de cultura geral e outros ainda, caminhavam através da cultura específica de
alguma área. Diante disso, o termo “inteligência geral” se tornou inadequado para se classificar uma
condição geral do sujeito. A partir desse momento, novas terminologias surgiram, assim como
diversas combinações de medidas de habilidades, como:
1. Tipo de testes
• Informação na avaliação;
• Abordagem;
• Seleção de testes;
• Fatores considerados nas avaliações.
2. Amostragem
• Representatividade;
• Número de crianças da amostragem.
3. Considerações legal e ética
• Leis públicas;
12
• Considerações éticas.
4. Confiabilidade dos testes
• Coeficiente de confiabilidade;
• Métodos utilizados;
• Fatores que afetam a confiabilidade;
• Intervalo de confiança.
5. Validação dos testes
• Métodos de validação;
• Dados que não são válidos;
• Atores que afetam a validade. (SALVIA e YSSELDYKE, 1991).
As dificuldades encontradas na mensuração da personalidade vêm contribuindo para estudos
na área, refletindo em mudanças e expansão nas diversas formas de mensuração das muitas
manifestações humanas. Esta constante mutação exige efetiva atualização do profissional
(CRONBACH, 1996). Outra forma de analisar o modo de pensar é através das características
estudadas na programação Neuro-lingüística, que será apresentada na próxima sub-sessão.
2.2 Programação Neuro-lingüística
Comunicamo-nos com o mundo através de sinais verbais e corporais. Estas mensagens
podem trazer uma maior compreensão na comunicação se expressada e entendida com clareza.
Consideramos que o comportamento possa se expressar de diversas formas diferentes, como:
Sinais do Comportamento Verbal (linguagem):
• Palavras e frases (sintaxe);
• Tom de voz;
• Ritmo da fala;
13
• Velocidade;
• Volume;
• Intensidade.
Sinais do Comportamento Não Verbal (corporal):
• Olhar (expressão dos olhos);
• Expressão facial (musculatura do rosto);
• Gestos e movimentos (mexer as mãos, braços, pernas, pés, colo, ombros,
movimentar a cabeça);
• Postura corporal;
• Vestimenta;
• Distância física que se mantém em relação aos outros;
• Velocidade e ritmo dos movimentos corporais.
Uma técnica muito eficaz para isso é a PNL (Programação Neuro-Lingüística), que foi
desenvolvido por Bandler e Grinder em 1985, com enfoque na psicologia cognitiva (ROBBINS,
1987). Basicamente o PNL começa quando um evento externo é experimentado através dos sentidos
(Visual, Auditivo, Sinestésico, Olfativo e Gustativo), sendo filtrado pelas omissões, distorções,
generalizações, programas, valores e crenças do indivíduo e se transforma numa informação
relevante.
A Programação Neuro-lingüística é a arte e a ciência da excelência, ou seja, das qualidades pessoais. É arte porque cada pessoa apresenta sua personalidade e seu estilo, e é ciência, pois um método é um processo para traçar padrões usados pelas pessoas para alcançar o sucesso no resultado do que fazem. Esse processo chama-se de modelagem e as técnicas e padrões descobertos por meio dele estão sendo usados cada vez mais em tratamentos no campo da educação, para desenvolver uma comunicação mais eficaz, além de aprendizagem mais rápida e melhor desenvolvimento pessoal (O’ CONNOR E SEYMOUR, 1995).
Em 1956, o psicólogo americano George Miller, apresentou a idéia de que uma forma de
aprender é dominar conscientemente pequenos seguimentos de comportamento e reunir em
segmentos cada vez maiores, de modo a torná-los hábitos.
14
2.2.1 Surgimento da programação Neuro-lingüística
A PNL foi desenvolvida em 1985, com o trabalho em conjunto de Bandler e Grinder com
enfoque na psicologia cognitiva (ROBBINS, 1987).
Bandler e Grinder observaram algo que poucos tinha prestado atenção. Eles perceberam
como nossos olhos se movem quando estamos pensando e quando estamos nos comunicando.
Através do movimento dos olhos, pode-se traçar características importantes dos perfis das pessoas
sem elas dizerem palavra alguma. Esses característicos podem ser percebidos também pela fala,
através do tom de voz utilizado ou até mesmo pela velocidade empregada na fala.
De acordo como nos expressamos pelo olhar podemos informar algo de nossa personalidade,
da mesma forma a maneira de falar também mostra características do perfil, de acordo com a
rapidez ou calma das frases, no tom de voz utilizado entre outras características mencionadas logo
abaixo.
Os sistemas visuais, auditivos e sinestésicos são os sistemas básicos usados nas culturas
ocidentais. As sensações gustativas e olfativas, menos importantes, são em geral incluídas no
sistema sinestésico (O’ CONNOR E SEYMOUR, 1995).
Em 1956, o psicólogo americano George Miller, apresentou a idéia de que uma forma de
aprender é dominar conscientemente pequenos seguimentos de comportamento e reunir em
segmentos cada vez maiores, de modo a torná-los hábitos.
2.2.2 Identificação de características pessoais pela PNL
Através da PNL é possível identificar algumas características pessoais que podem auxiliar a
traçar seu tipo de comportamento. Como moderador, é preciso ser curioso sobre como alguém é
capaz de produzir algum resultado físico ou mental.
Anthony Robbins (1987), explica que as pessoas tendem a usar mais uma parte de sua
neurologia (visual, auditiva ou sinestésica) do que outras. Pessoas que são fundamentalmente
visuais tendem a ver o mundo em imagens, seu maior senso de poder esta no visual, esse tipo de
perfil tende a falar muito depressa com tonalidade e voz alta por tentarem acompanhar as imagens,
usam metáforas visuais, falam como as coisas parecem para elas. As pessoas auditivas tendem a ser
mais seletiva nas palavras que usam, têm a fala mais lenta, mais rítmica e uniforme, são cuidadosas
15
no que dizem e as sinestésicas tendem a ser mais lenta ainda, muitas vezes fazem longas pausas
entre as palavras e tem uma tonalidade baixa, reagem fundamentalmente a sensações, usam
metáforas do mundo físico e está sempre agarrada a alguma coisa concreta.
A palavra é o modo de manifestarmos o que estamos fazendo dentro do nosso cérebro.
Falamos como pensamos, mas primeiro pensamos para depois falar.
Por exemplo: Ao perguntarmos a alguém: "Por que você decidiu comprar este produto?" E a
pessoa responde: "Primeiro eu dei uma boa olhada no produto. Depois eu perguntei para o vendedor
se tinha assistência técnica. Mas só depois de provar é que realmente decidi comprá-lo.”.
Esta seqüência (olhar, perguntar e provar) é um nível social, algo comum, sem maior
significado. No nível psicológico, entretanto, a pessoa está mostrando o modo como seu cérebro
gosta de fazer quando decide; isto significa que esta pessoa sempre que decide algo, usa a mesma
estrutura de pensamento revelada pelas suas próprias palavras: vê algo, depois escuta, depois sente.
Se quisermos despertar o interesse dela sobre algo, devemos fazê-lo nesta seqüência. Ninguém
recusa o seu próprio jeito de pensar, ninguém recusa a si próprio.
Todos têm elementos das três modalidades, mas a maioria tem um sistema que domina.
Tais dados não estão totalmente comprovados cientificamente, mas se observarmos a
realidade à nossa volta, com aparelhos sensoriais limpos e abertos e com suficiente treino para
percebermos fenômenos como os movimentos oculares e os processos mentais, teremos a
oportunidade para investigar e comprovar tais fenômenos com as pessoas que interagem conosco.
A PLN utiliza indicadores capazes de apenas observar as pessoas e escutar o que dizem e
pode-se ter uma idéia imediata de quais sistemas estão usando. (ROBBINS, 1987) afirma que o
movimento dos olhos pode permitir que você saiba como uma pessoa representa-se interiormente. A
maneira mais simples de pesquisar esse perfil é fazer as perguntas certas.
Quando através de palavras não se consegue identificar o perfil dessa pessoa, deve-se
colocá-la a fazer algo e observar a primeira coisa que ela fez, foi algo que viu, ouviu ou foi o toque
de alguma coisa ou alguém. Após breves observações faça perguntas claras e sucintas sobre o que
viu, ouviu ou sentiu.
16
Se o olhar de uma pessoa vai para cima e para a esquerda, ela utiliza a região do cérebro
relacionado ao visual, se for em direção à orelha esquerda, é a região da audição e quando o olhar se
abaixe pela esquerda, está tendo acesso à região sinestésica (ROBBINS, 1987).
Ao se trabalhar com grupos de pessoas, deve-se usar algo direcionado a todos, alguma coisa
visual, alguma coisa auditiva e alguma coisa sinestésica. Deve mostrar-lhes algo, fazer com que
ouçam e dar-lhes sensações, para prender todos os três tipos (ROBBINS, 1987).
O mesmo autor comenta que os melhores professores sabem instintivamente como
compassar e dirigir são capazes de estabelecer harmonia e assim suas mensagens são recebidas,
aprendendo a compassar seus alunos, apresentam as informações de forma que seus alunos possam
assimilar. Podendo assim revolucionar o mundo da educação. É por isso que os melhores
professores são aqueles que estabelecem harmonia.
Unindo o conhecimento da PNL com os testes psicológicos temos um conjunto de
informações bastante amplo para dar-mos início a criação do modelo proposto e acrescentando as
características das dificuldades motoras e unindo com palestras e entrevistas com profissionais do
assunto e a informática, temos o necessário para a construção de um modelo.
Quando se apresentam resultados de uma pesquisa, tem-se a necessidade de saber se são
consistentes, se representam à realidade. Sendo assim, é necessário que um avaliador analise o
instrumento utilizado para a coleta de dados, que permite ao professor desenvolver sua pesquisa.
Pode tratar-se de um questionário preenchido pelo observador e posteriormente repassado para o
computador, um preenchimento de perguntas de múltipla escolha (BALDIN, 2002).
2.3 Testes estatísticos e coleta de dados
Em ciências, devemos quando possível, testar uma hipótese através de testes mais severos
possíveis. Isso implica em utilizar medidas ou testes estatísticos, e quando possível controlar os
fatores que podem interferir no resultado através de teste controlado. A repetição de um teste serve
para checar se o resultado obtido pode ser reproduzido, ou que contribui para a maior objetividade,
e se realizada novamente por outro pesquisador, permite que se cheque a interferência de interesses
pessoais de determinado pesquisador na avaliação dos resultados (GEWANDSNAJDER, 1999).
17
Coleta de dados
Um método pode ser definido como uma série de regras para tentar resolver um problema,
uma das características básicas do método científico, é a tentativa de resolver problemas por meio
de suposições, de hipóteses, que possam ser testadas através de observações e experiências
(GEWANDSNAJDER, 1999).
A Atividade científica desenvolve-se a partir de problemas. É comum que a atividade
científica comece com uma coleta de dados ou observações, sem idéias preconcebidas por parte do
pesquisador. Certamente que qualquer observação precisa de um critério de escolha entre as
observações possíveis, aquelas que provavelmente são relevantes para o problema em questão.
Com isso podemos chegar à conclusão de que a coleta de dados e as experiências são feitas
de acordo com determinado interesse e segundo certas expectativas. Esses interesses correspondem
às hipóteses e teorias que orientam a observação e os testes a serem realizados.
Tanto na ciência como nas atividades diárias, a atenção, curiosidade e raciocínio são
estimulados quando algo não ocorre como esperamos, quando não sabemos explicar um fenômeno,
ou seja, quando temos um problema (GEWANDSNAJDER, 1999).
Testes estatísticos
É importante, nesse tipo de teste que o pesquisador, neste trabalho representado pelo
educador das crianças em idades pré-escolar, informe antes da coleta de dados e da avaliação dos
testes, o nível de significância empregado. Para diminuir as chances de erro sem que o teste perca
precisão, temos que aumentar o tamanho da amostra. Com um número maior de testes, poderão
surgir cada vez mais resultados diferentes que funcionarão como evidências severas. Caso não seja
possível aumentar a amostra, pode-se repetir o teste.
Testes qualitativos e quantitativos
Os testes quantitativos tornam os conceitos mais precisos e nos dão mais informações sobre
a pesquisa. Ao contrário das pesquisas quantitativas, a investigação qualitativa, por sua diversidade
e flexibilidade, não admite regras precisas, aplicáveis a uma ampla gama de casos. Além das
pesquisas qualitativas diferenciarem bastante quanto ao grau de estruturação, podemos destacar:
18
• Qualquer pesquisador, ao escolher um determinado teste, já o faz com algum
objetivo e alguma questão em mente. Se for assim, não há motivo para não explicitá-
los, mesmo que sujeito a reajustes futuros. Dificilmente um pesquisador inicia a sua
coleta de dados sem que alguma teoria esteja orientando seus passos, mesmo que
inicie a coleta sem nenhuma orientação adotada, é preferível torná-la pública. A falta
de critérios e focalização do problema na coleta dos dados, quase sempre resulta na
perda de tempo e dificuldade de interpretação.
• Quanto menos experiente for o pesquisador, mais ele precisará de um planejamento
cuidadoso, pois poderá perder vários dados dos quais não conseguiria extrair nenhum
significado. Freqüentemente uma pesquisa precisa de uma avaliação mesmo para
observadores mais experientes, sua pesquisa precisa ser convincente, demonstrando
ao avaliador tem condições de fazê-lo e que o professor tem condições de realizá-la
(GEWANDSNAJDER, 1999).
2.3.1 Planejamento do teste estatístico
“Um projeto de pesquisa consiste em um plano para uma investigação. Que busca uma
melhor compreensão de um dado problema” (GEWANDSNAJDER, 1999), no caso deste trabalho,
a dificuldade motora em crianças em idade pré-escolar. É um guia, uma orientação que indica aonde
o pesquisador quer chegar e como.
Seja qual for à pesquisa que esta sendo realizada, o projeto deve indicar:
a) O que se pretende investigar (neste caso, a dificuldade motora);
b) Como se planejou conduzir a pesquisa de modo a atingir o objetivo;
c) Porque o estudo é relevante (em termos de contribuição teórica e/ou práticas que o estudo
pode oferecer).
De qualquer forma, uma pesquisa se propõe a compreender uma realidade específica, cujo
significado é vinculado a um dado contexto. Seja qual for à questão pesquisada, é interessante que o
observador adquira familiaridade com o estado do conhecimento, para que possa propor questões
significativas e que ainda não foram investigadas.
19
Além de questões, uma pesquisa qualitativa pode também trabalhar com hipóteses. Se o
problema da pesquisa pode ser visto como uma pergunta (ou conjunto de perguntas) que se pretende
responder, a hipótese é uma resposta possível para essa interrogação a ser testada no processo de
investigação. Tipicamente as hipóteses afirmam relações esperadas. Por exemplo: Em atividades
acadêmicas, os professores interagem mais com alunos sobre as quais tem altas expectativas.
Qualquer que seja o caso, o pesquisador deve estar preparado para responder a algumas
questões que fatalmente surgirão, como por exemplo: “o que você quer investigar?”; ”o estudo vai
interferir na rotina das crianças?”; “o que vai fazer com o resultado?”; “que tipo de benefício à
pesquisa vai trazer para a instituição ou para a comunidade?”. Uma análise detalhada dessas
questões e do que pode fazer o pesquisador foge ao nosso objetivo aqui.
2.3.2 Critérios de escolhas da coleta de dados
Ao contrário do que ocorre com as pesquisas tradicionais, a escolha do local onde são
colhidos os dados, bem como dos participantes é proposital, ou seja, o professor escolhe em função
das questões de interesses do estudo e também das condições de acesso e permanência no local,
assim como a disponibilidade da criança.
Em relação aos participantes (crianças escolhidas), nem sempre é possível indicar no projeto
quantos e quais serão os alunos envolvidos, embora sempre seja possível indicar alguns e a forma
pelo qual se pretende selecionar os demais. Neste caso, (GEWANDSNAJDER, 1999) sugere em
seu livro, que seja utilizado o processo para seleção de sujeito proposto por Lincols e Guba.
1. Identificação dos participantes iniciais. A escolha desses pode ser feita com a ajuda de
informações em função do conhecimento no contexto estudado.
2. Emergência ordenada da amostra. Tal procedimento permite que cada novo participante
seja escolhido de modo a complementar as informações já obtidas.
3. Focalização contínua da amostra. À medida que se observa à amostra são percebidos
novos fatores relevantes antes não detectados.
4. Encerramento da coleta. A partir de certo momento são suficientemente confirmadas e
que o surgimento de novos dados vai ficando cada vez mais raro até que atinge o ponto de
redundância.
20
O mesmo autor considera que nenhuma dessas etapas pode ser inteiramente prevista.
2.3.3 Observação dos fatos, comportamentos e cenário de pesquisa
A observação dos fatos, comportamentos e cenários é extremamente valorizado pelas
pesquisas quantitativas. O nível de qualificação das respostas pode apresentar as seguintes
variações:
1. Sistema de sinais – quando se registra apenas a presença ou ausência do comportamento
durante o período de observação.
As figuras abaixo foram alteradas em seu conteúdo para adequar-se a realidade deste
trabalho, porém seu modelo possui o mesmo formato. O conteúdo faz parte do material didático
“Avaliação na pré-escola”, proposto por Jussara Hoffmannn e utilizado pro professores do curso de
Pedagogia na Universidade Federal de Santa Catarina, conforme anexo 4.
Exemplo: O Aluno: SIM NÃO
Senta adequadamente �
Mantém o equilíbrio com o corpo ou com objetos �
Reproduz histórias com detalhes �
Participa de todas as tarefas �
Figura 01. Sistema de sinais
Fonte: Adaptada Gewandsnajder (1999).
2. Registro de freqüência – O comportamento é registrado cada vez que ocorre.
Exemplo:
O Aluno: Ocorrências Semanais
Apresenta sugestões próprias III
Compartilha brinquedos, jogos e materiais. IIIII
Justifica todas as ações I
Perturba a ordem da classe. II
Figura 02. Registro de freqüência
Fonte: Adaptada Gewandsnajder (1999).
21
3. Escalas – Permite estimar o grau em que um determinado comportamento ocorre e fazer
um julgamento qualitativo sobre esse comportamento ou atividade observada. São apresentados
abaixo três exemplos de escalas de observações:
a) O aluno solicita informações da professora?
Raramente �
Ocasionalmente
Freqüentemente
Figura 03. Escala qualitativa 1
Fonte: Adaptada Gewandsnajder (1999).
b) O aluno é agressivo?
alto moderado baixo
1 2 3 4 5
Figura 04. Escala qualitativa 2
Fonte: Adaptada Gewandsnajder (1999).
c) O relacionamento entre aluno-professor parece ser
excelente Bom regular sofrível péssimo
�
Figura 05. Escala qualitativa 3
Fonte: Adaptada Gewandsnajder (1999).
d) Percepção temporal do aluno.
O aluno discrimina (ontem - hoje- amanhã)? não indica indica processo superação totalmente
alcançada
�
Figura 06. Escala qualitativa 4
Fonte: Adaptada: Landivar (1990).
22
e) Percepção visual do aluno.
O aluno segue com a vista a trajetória de um objeto? não indica indica processo superação totalmente
alcançada
�
Figura 07. Escala qualitativa 5
Fonte: Adaptada: Landivar (1990).
Na observação participante, o professor torna-se parte da situação observada, interagindo
por longo tempo com os alunos, buscando partilhar o seu cotidiano para sentir o que significa estar
naquela situação. A importância atribuída à observação participante esta relacionada à valorização
do instrumental humano.
Neste trabalho, estaremos utilizando como base, num primeiro momento, os questionários
(anexo1, anexo2 e anexo3) elaborados pela professora do curso de Pedagogia da Univali de São
José, Rosangela Machado, que é especializada na questão de inclusão social de alunos com algum
tipo de deficiência, bem como alguns testes de motricidade apresentados pelo professor Francisco
Rosa Neto (2002) e a tabela de desenvolvimento motor e perceptivo (BRITTA HOLL 1979) anexo
5.
Para incorporar esses testes num modelo computacional, a utilização da idéia do raciocínio
baseado em casos, estudado em Inteligência Artificial, parece adequar-se perfeitamente. Não
somente pelo seu uso em si, mas também pela forma da estruturação da idéia de buscar em casos
anteriormente cadastrados a similaridade com o caso investigado através de características
similares.
Inicialmente será apresentada uma introdução sobre inteligência artificial (IA) e logo após
explorado as vantagens de utilização do raciocínio baseado em casos (RBC).
2.4 Inteligência Artificial
“Durante milhares de anos procuramos entender como pensamos; isto é, como um mero
punhado de matéria pode perceber compreender, prever e manipular um mundo muito maior e mais
complicado que ela própria. O campo da inteligência artificial vai ainda além: ele tenta não apenas
compreender, mas também construir entidades inteligentes.” (RUSSELL e NORVIG, 2004).
23
Russell e Norvig apresentam em seu livro Inteligência Artificial, dois conceitos importantes
para IA. A primeira definida por Charniak e MacDermott em 1985 que “Inteligência artificial, é o
estudo das faculdades mentais pelo uso de modelos computacionais.” e “é o estudo da computação
que torna possível perceber, raciocinar e agir.” Definido por Winston em 1992.
Para uma melhor compreensão, podemos dizer que: É o ramo da informática que procura
desenvolver tecnologia objetivando que o computador tenha desempenho similar aos seres
humanos. O termo foi criado, em 1956, por John McCarthy, então engenheiro do MIT
(Massachusetts Institute of Technology).
A IA tem como objetivo modelar o conhecimento humano através de esquemas
computacionais. Diferentes técnicas de Inteligência Aplicada têm sido amplamente empregadas
como suporte ao processo decisivo, incorporando conhecimento humano. O raciocínio baseado em
casos (RBC) é uma metodologia de IA criada para descrever sistemas que utilizam conhecimento
especialista na resolução de problemas.
Inteligência Artificial abrange mais do que a inteligência de máquina. Pretende-se, com ela,
capacitar o computador de um comportamento inteligente. Por comportamento inteligente devemos
entender atividades que somente um ser humano seria capaz de fazer. Dentro destas atividades
podem ser citadas aquelas que envolvem tarefas de raciocínio (planejamento e estratégia) e
percepção (reconhecimento de sons, imagens etc.), entre outras (GONGORA, 2002).
A Inteligência Artificial é por um lado uma ciência, que procura estudar e compreender o
fenômeno da inteligência, e por outro um ramo da informática, na medida em que procura construir
instrumentos para apoiar a inteligência humana. Ela tenta simular o pensamento do homem e os
nossos pensamentos cognitivos.
No entanto, a I.A. continua a ser à procura do modo como os seres humanos pensam, com o
objetivo de modelar esse pensamento em processos computacionais, tentando assim construir um
corpo de explicações algorítmicas dos processos mentais humanos. É isto o que distingue a I.A. dos
outros campos de saber, ela coloca a ênfase na elaboração de teorias e modelos da Inteligência
como programas de computador.
A idéia de se emular a inteligência humana é bastante antiga, Aristóteles, a mais de trezentos
anos antes de Cristo, foi o primeiro a formular um conjunto de leis que governa a parte racional da
mente através do silogismo para raciocínio apropriado, que permitia gerar conclusões mecânicas de
24
acordo com as informações iniciais. Muito tempo depois, em 1315, Ramon Lull mostrou sua idéia
de que o raciocínio poderia ser conduzido por um componente mecânico. Mais tarde, no início do
século XVI, Thomas Hobbes, propôs que o raciocínio era semelhante à computação numérica, ou
seja, que inconscientemente, efetuamos soma e subtração em nossa mente. Em 1623, a primeira
máquina de calcular foi construída por Blaise Pascal. Wilhelm Leibniz, entre o final do século XVI
e o início do século XVII, construiu um dispositivo mecânico, capaz de efetuar operações sobre
conceitos e não sobre números, porem seu escopo era limitado (RUSSELL e NORVIG, 2004).
Nas primeiras décadas do século XVI, René Descartes apresentou a primeira discussão clara
da distinção entre mente e matéria, e dos problemas que surgem nessa distinção. Um deles a questão
do livre-arbítrio. Descartes diz que o ser humano possui além da parte física, a parte espiritual (ou
alma). O livre-arbítrio é o modo como a percepção das escolhas disponíveis se mostra para o
processo de escolha.
Muitas teorias a suposições sugiram ao longo dos anos e já no século XX, Carnap e Carl
Hempel tentavam compreender como o conhecimento pode ser adquirido a partir da experiência.
Os filósofos demarcaram a maioria das idéias importantes sobre IA, mas o salto para uma
ciência formal exigiu certo nível de formalização matemática em três áreas fundamentais: lógica,
computação e probabilidade (RUSSELL e NORVIG, 2004).
A idéia de lógica formal pode ser traçada até os filósofos da Grécia antiga, mas seu
desenvolvimento matemático começou em meados de 1800 com o trabalho de George Boole, que
definiu os detalhes da lógica booleana. A próxima etapa foi determinar os limites do que poderia ser
feito com a lógica e com a computação.
Acredita-se que o primeiro algoritmo não-trivial seja o algoritmo de Euclides, para calcular
o maior denominador comum. Boole e outros discutiram algoritmos para dedução lógica e, no final
do século XIX, foram empregados esforços para formalizar o raciocínio matemático com dedução
lógica.
Além da lógica e da computação, a terceira grande contribuição para a Inteligência Artificial
é a teoria da probabilidade. A probabilidade se transformou rapidamente em uma valiosa parte de
todas as ciências quantitativas, ajudando a lidar com medidas incertas e teorias incompletas
(RUSSELL e NORVIG, 2004).
25
No século XVII, a regra de Thomas Bayes e o campo resultante chamado de análise
bayesiana formaram a base da maioria das abordagens modernas para o raciocínio incerto de
sistemas de IA.
2.4.1 Representação do Conhecimento
Existem muitas formas de representação do conhecimento através de formalismos
computacionais: Memory Organization Packages (MOPs), frames, redes semânticas, lógica
matemática, regras, representações formulário e os conceitos, objetos e fatos. Esses formalismos
podem ser empregados para representar casos em sistemas de RBC e Sistemas especialistas.
Representação do conhecimento por MOPs (Memory Organization Packages):
Os Pacotes de Organização de Memórias (MOPs - Memory Organization Packets)
representam um conceito desenvolvido por (RICH & KNIGHT, 1993) para representar eventos
padronizados. Os MOPs são organizados em estruturas que reúnem eventos similares através de
abstrações e hierarquias do tipo "todo-parte". Quanto ao conteúdo, os MOPs são estruturas de
conhecimento que representam experiências. Eles representam eventos através de cenas que
abrangem situações e são representadas por informações normativas e descritivas. As cenas são
suposições associadas a situações de uma experiência e, conseqüentemente, estão sujeitas a mudar
com a experiência. Os MOPs diminuem a redundância e permitem a percepção das informações sob
vários pontos de vista, traduzindo as expectativas dos diversos participantes de uma determinada
situação.
Representação do conhecimento por frames:
Um frame é um a coleção de atributos, em geral chamado de escaninho (slot), e valores a ele
associado (RICH & KNIGHT, 1993). Às vezes, um frame descreve uma entidade como um todo,
em outras por um determinado ponto de vista. De modo geral, as características são representadas
por meio de pares atributo-valor e as potencialidades são representadas por métodos. Um frame
abstrato (ou um frame de classe) não tem instâncias, assim seus atributos não são valorados, suas
subclasses são ligadas a instâncias da entidade representada por esta classe.
26
Representação por redes semânticas:
Redes semânticas são usadas para representar elementos de uma representação tal como uma
classe, suas instâncias e suas características. Os arcos são direcionados e representam relações e
atributos. Redes semânticas exigem tratamento de exceção (exception handling) quando um
determinado atributo não deve ser herdado (DURKIN, 1994). É uma coleção de nós representando
objetos, é uma coleção de nós representando objetos, conceitos ou eventos relacionados. As
relações são representadas pelos arcos. A hereditariedade é uma das características das redes
semânticas. Em outras palavras, um objeto herda características de outros objetos relacionados. A
rede deve prever tratamento de exceção para quando um atributo não puder ser herdado por outro
objeto.
Representação do Conhecimento por Lógica Matemática:
A lógica, que é o estudo matemático e filosófico mais antigo sobre a natureza do raciocínio e
do conhecimento foi um dos primeiros esquemas de representação usados em IA. As proposições
simples podem ser combinadas através de conectores lógicos para formar proposições compostas.
Existem cinco conectores lógicos: "E", "OU", "NÃO", "IMPLICA" e "EQÜIVALÊNCIA"; os seus
símbolos são "�", "�", "�", "�", e "�" respectivamente.
Entretanto, para os propósitos da IA, a lógica de proposições não é muito útil. Para
podermos representar apropriadamente nosso conhecimento do mundo com algum formalismo,
devemos poder expressar não somente proposições Verdadeiras - V ou Falsas - F, mas também
expressar ou descrever objetos e generalizações sobre classes de objetos. A lógica de predicados
satisfaz esses objetivos.
A maior vantagem dessa forma de representação é a facilidade de manipular e deduzir novos
fatos a partir de fatos já conhecidos. A maior desvantagem dessa representação é a dificuldade para
determinar quais fatos podem ser relevantes durante um processo ou não.
Representação do conhecimento por Regras
São seqüências lógicas compostas por antecedentes (premissas) e conseqüentes
(conclusões). Ambos antecedentes e conclusão são fatos. O antecedente tenta verificar se o fato é
verdadeiro ou falso; quando o fato que compõe o antecedente é verdadeiro, a conclusão é disparada.
O antecedente pode ser composto de vários fatos conectados através de operadores do tipo e, ou, e
27
não. As conclusões normalmente modificam ou atribuem valores aos atributos de um objeto,
chamam métodos ou disparam outras regras (DURKIN, 1994).
Representação do conhecimento por Representações
A representação formulário é composta por um conjunto de campos com valores. É uma
representação linear remanescente das estruturas de banco de dados, onde cada caso é representado
por um conjunto de campos e valores. Funciona bem quando se conhecem os conteúdos a serem
colocados nos casos.
Representação do conhecimento por conceitos, objetos e fatos.
Um objeto é uma entidade básica que pode ser instanciada. Um conceito descreve algo sobre
o objeto. Um conceito pode ser representado por uma abstração de um objeto quando vários objetos
podem ser agrupados sob o mesmo conceito. Ou ainda, um conceito pode ser um atributo, quando
descreve algo exclusivamente sobre este objeto. Conforme o propósito de organização da análise
como um todo não é necessário representar o conceito como uma abstração. Esta decisão está
baseada na análise global do conhecimento, enfatizando o uso da representação. Quando um objeto
está associado a um atributo valorado, isto é um fato. Um fato pode assumir valores verdadeiro ou
falso (DURKIN, 1994).
2.4.2 Formas de representação do raciocínio
O raciocínio é o encadeamento aparentemente lógico de juízos ou pensamentos. É algo tão
comum e intuitivo que a maioria das pessoas não se preocupa em analisar como tal processo ocorre
(RABUSKE, 1995). Para simplificar a compreensão deste estudo, do ponto de vista computacional,
identificou-se alguns tipos de raciocínio em: monotônico, não-monotônico, dedutivo, indutivo,
abdutivo, analógico, senso comum.
Raciocínio monotônico x não-monotônico.
No raciocínio monotônico, nenhum fato ou regra pode ser excluído da base de conhecimento
no momento da consulta dos dados e nenhum fato novo fará com que um “fato antigo” torne-se
inválido ou verdadeiro. Como vantagens, temos que quando um fato novo for acrescentado na base,
não precisa-se realizar nenhuma conferência para ver se há inconsistência entre o fato novo e a base
28
antiga e também não é necessário armazenar em cada novo fato, a lista dos fatos que possibilitaram
a dedução de um novo fato, pois não há risco de os fatos antigos deixarem de ser verdadeiros.
O raciocínio sobre um problema, para muitas situações, se processa sobre informações
estáticas. Durante o processo de resolução do problema, o estado (Verdadeiro ou Falso) dos fatos
permanece constante. Já no raciocínio não-monotônico, as pessoas têm a capacidade de manter a
direção quando as informações mudam. Se algo muda, é possível se ajustar a outros eventos
independentes.(DURKIN, 1994).
Resumidamente podemos dizer que:
Raciocínio Monotônico – apresenta resultados sempre coerentes e não permite a revisão dos
fatos.
Raciocínio Não-monotônico – permite a alteração dinâmica dos fatos e possibilita invalidar
resultados prévios.
Raciocínio dedutivo.
O raciocínio dedutivo utiliza fatos (axiomas) para deduzir novas informações. O processo
inicia-se comparando o axioma com uma certa implicação para concluir novos axiomas (DURKIN,
1994). A regra de inferência modus ponens é a forma básica de raciocínio dedutivo
Raciocínio abdutivo.
A dedução é exata no sentido que inferências retiradas de fatos estabelecidos e implicações
válidas são logicamente corretas. Abdução é uma forma de dedução que permite inferências
plausíveis. Neste caso, "plausível" significa que a conclusão pode surgir de informações
disponíveis, apesar de não se ter certeza da veracidade dessa conclusão (DURKIN, 1994).
Raciocínio indutivo.
Os seres humanos utilizam o raciocínio indutivo para alcançar uma conclusão geral de fatos
limitados através de um processo de generalização. Através do raciocínio indutivo, é formada uma
generalização que se acredita que possa ser aplicada a todos os casos de um certo tipo, em bases de
números limitados de casos (DURKIN, 1994).
29
Raciocínio Analógico.
É a atribuição de uma qualidade a um objeto pela presença desta qualidade em outro objeto
que, como o primeiro, já apresenta qualidades comuns. Este tipo de raciocínio utiliza o modelo
mental de alguns conceitos através de experiências. É possível usá-lo para obter a compreensão de
um novo objeto ao aprimorar este conhecimento pela descoberta de qualquer diferença específica
(DURKIN, 1994). É o tipo de raciocínio aplicado em sistemas de RBC.
2.5 Raciocínio baseado em casos
2.5.1 Ciclo de Processamento do RBC
Segundo Wangenheim (2003), a inteligência Artificial por meio da técnica de Raciocínio
Baseado em casos, apresenta mecanismos que auxiliam a resolução de um problema através da
resolução de problemas já ocorridos no passado. Assim, esta técnica pode ser aplicada em um
modelo ou ferramenta que faça a comparação das informações conhecidas (casos passados) com a
pesquisa realizada com as novas informações (novo caso).
Desenvolvido para utilizar o conhecimento de especialistas para solucionar o problema, no
caso deste trabalho, identificar crianças em idade pré-escolar que possa ter alguma dificuldade
motora. A facilidade de implementação do RBC e sua aplicabilidade a um grande número de tarefas
vem sendo mostrada através de um grande número de aplicações científicas e comerciais.
O conhecimento científico e tecnológico através do RBC apresenta grandes inovações que
auxiliam a humanidade. Pessoas de diferentes áreas e objetivos se reúnem para encontrar soluções
para problemas comuns a todos obtendo os melhores resultados. Para esses resultados serem
alcançados, é necessário conhecer o funcionamento e etapas utilizadas no RBC.
A arquitetura RBC pode ser vista, de uma forma simples, pelas etapas definidas na Figura 8,
que representam o ciclo de processamento desse sistema (conhecido como R4), Este ciclo é
composto por quatro etapas principais: recuperar, reutilizar, revisar e retenção (AAMODT &
PLAZA, 1994), (WANGENHEIM, 2003).
No centro do ciclo está representado as experiências armazenadas na base de casos e um
conhecimento geral do domínio. Este conhecimento é aplicado em diferentes passos do processo de
30
RBC e possui, por exemplo, algoritmos e funções para o conhecimento da consistência dos dados e
a busca por casos similares.
A figura abaixo ilustra as quatro etapas existentes para o desenvolvimento de um RBC:
Figura 08 – Ciclo de Raciocínio Baseado em Casos,
Fonte: Adaptada Wangenheim (2003).
Recuperação: O objetivo da recuperação de casos é encontrar um caso ou um pequeno
grupo deles na base de casos que contenha uma solução útil para o “problema” ou situação atual, no
caso deste trabalho à identificação ou não de uma dificuldade motora nas crianças em idade pré-
escolar. O processo de recuperação de casos pode ser descrito por meio de um conjunto de
subtarefas que devem ser realizadas pelo sistema RBC.
Reutilização: Uma vez que o caso adequado é recuperado da base de casos, a sugestão para
este caso é objeto de uma tentativa para a solução atual. Ou seja, é quando podemos utilizar a
solução de um caso da base de casos em um caso novo.
Revisão: Quando uma solução para um caso gerado no caso anterior não é correta, sugere se
a oportunidade para aprender com as falhas encontradas. Esta fase é chamada de revisão do caso e
Novo caso
Caso mais similar
Solução adaptada
Solução confirmada
Caso armazenado RECUPERAÇÃO
REUTILIZAÇÃO
REVISÃO
RETENÇÃO Base de Casos
31
consiste em duas tarefas: (a) avaliação da solução gerada para reuso; e (b) reparar a solução usando
o conhecimento específico do domínio (AAMODT E PLAZA, 1994).
a) Avaliação da solução
A tarefa de avaliação considera o resultado da aplicação da solução em um ambiente real,
através do questionamento a um especialista ou através da aplicação de regras que validem a
solução. O resultado da aplicação da solução pode levar algum tempo para aparecer, dependendo do
tipo de aplicação. O caso pode ainda ser instruído e validado na base de casos por um período
intermediário, mas ele deverá ser marcado como um caso validado temporariamente.
b) Reparação de falha
Reparar um caso envolve encontrar os erros da solução proposta e apresentar explicações
para atualização desta solução. Alguns sistemas utilizam um conhecimento casual para gerar uma
explicação do por que certas partes da solução não foram alcançadas.
Estes sistemas aprendem as situações gerais que causarão as falhas usando uma técnica de
aprendizagem baseada em explicação. Isto é, incluído em uma memória de falhas que são usadas
para fase de reutilização, fornecendo atalhos para a adaptação. Isto oferece uma grande vantagem
que é a possibilidade de identificar possíveis erros na fase de adaptação (AAMODT E PLAZA,
1997).
Retenção: A retenção de um caso é o processo de incorporação, ao comportamento já
existente, daquilo que é útil de um novo episódio de solução de um problema. O objetivo é reter
continuamente toda a vez que um novo problema é resolvido, ou no caso deste trabalho, quando um
caso com as características similares serve como caso de comparação.
Um sistema RBC somente se tornará eficiente quando estiver preparado para aprender a
partir das experiências passadas e da correta indexação dos problemas (KOLODNER, 1993).
2.5.2 Similaridade
O objetivo principal do RBC é a reutilização de soluções conhecidas no contexto de um
problema novo, de solução ainda desconhecida. Por este motivo, a determinação de exemplos à
situação atual, é um dos problemas centrais desta técnica de Inteligência Artificial
(WANGENHEIM, 2003).
32
Durante a recuperação de casos, procura-se na base de casos um que, no contexto da
descrição do problema atual, seja útil para determinar a sua solução. É difícil definir exatamente o
que significa um caso ser ou não útil para solucionar um determinado problema. Particularmente, a
adaptação deste caso para a solução de uma dada situação pode ser determinada, somente depois
que se tentou elaborar uma solução para este problema com base no caso escolhido. Essa forma de
determinação, em que o sistema constrói uma hipótese a partir de todos os casos armazenados na
base e depois determina qual a melhor solução a ser aplicada, é impraticável. Para tanto,
necessitamos de um método heurístico para analisarmos um caso e julgar a sua utilidade sem
realizar todo o trabalho de tentar construir uma solução a partir dele e tentar aplicar esta solução, até
porque em muitos casos, isso não é possível de ser realizado.
Uma das hipóteses aplicadas em sistemas de RBC é que problemas similares possuem
soluções similares. Com base nisso, o critério da utilidade da solução passa a ser reduzido ao
critério da similaridade da descrição.
A solução de um exemplo de caso escolhido pode ser útil para um novo problema se ela:
Permitir a solução do problema atual de alguma forma;
Evitar a repetição de erros;
Permitir uma solução eficiente do problema, que seja mais rápido que utilizar uma busca
heurística passo a passo para calcular a solução;
Buscar a melhor solução para o novo caso de acordo com o critério de análise escolhido;
Oferecer ao usuário uma solução onde a lógica adotada possa ser compreendida por ele.
“Um caso é tão mais útil para a solução de um problema quanto menos forem as
modificações para adaptá-lo ao caso atual” (WANGENHEIM, 2003).
Na recuperação, o caso ou conjunto de casos mais similares da base de casos será
determinado, baseando-se nas informações do novo caso. A tarefa de recuperação de caso inicia
com a descrição de um perfil e termina quando um caso similar é encontrado (AAMODT E
PLAZA, 1997).
33
Para a determinação dos índices é necessário um conhecimento especializado, ou seja, o
conhecimento de um especialista sobre o problema pesquisado. A indexação é a parte fundamental
do RBC porque orienta a avaliação da similaridade. Os índices determinam o que deve ser
comparado entre os casos, no intuito de recuperar os casos mais úteis e similares com o novo caso.
Uma característica definida em RBC é a construção da função que indicará a similaridade
entre a informação de busca e a informação na base de casos. Este conhecimento sobre o domínio
do problema oferece a possibilidade de construir uma medida de similaridade mais eficiente, como,
por exemplo, definir pesos para palavras chaves, expressões e termos, influenciando diretamente na
comparação dos casos (WANGENHEIM, 2003).
Segundo Kolodner (1993), cada característica do caso de entrada é comparada com a sua
correspondente nos casos de armazenados, o grau de igualdade é computado, e baseado na
importância atribuída para cada dimensão, uma medida de similaridade é calculada.
Dentre as funções numéricas para determinar a similaridade, uma frequentemente usada é a
do Vizinho mais próximo (Nearest Neighbour), esta técnica é talvez, a mais utilizada para obter a
similaridade, e será empregada neste trabalho para o cálculo das comparações, devido a fácil
implementação e ser aplicados em pequenas bases de casos. Os aspectos que definem e identificam
os índices, são fatores fundamentais para uma recuperação de sucesso. A similaridade entre o novo
caso e um caso na base de casos é determinada para cada atributo que deve ser multiplicado por um
fator peso. A somatória de todos os atributos é calculada e permite estabelecer a média da
similaridade entre os casos da base e o novo caso.
A formula para o cálculo da técnica do vizinho mais próximo é representada abaixo:
Similaridade (T,S) = ∑=
n
i
wiSiTif1
),( Equação 1
Onde:
T é o novo caso;
S é o caso da base de casos;
n é o número de atributos de cada caso;
34
i é cada atributo individual variando de 1 a n;
f é a função de similaridade para o tributo i no caso T e S;
w é o peso relativo ao atributo i.
Este cálculo é utilizado para cada um dos casos existentes na base de casos obtendo o score
dos mesmos. As similaridades são habitualmente normalizadas para um intervalo entre zero e um. A
grande dificuldade é determinar o valor dos pesos relativos às características, sendo que esses pesos
são de responsabilidade do especialista quando cadastrar as questões.
Cálculo do grau de similaridade.
No modelo proposto há, em dois momentos distintos, a utilização do cálculo do grau de
similaridade, portanto, tem-se a necessidade de definir duas fórmulas diferentes. Estas fórmulas,
que possuem semelhança, foram baseadas na técnica do vizinho mais próximo.
A primeira fórmula é utilizada no momento em que os dados de um novo caso são
submetidos a uma nova pesquisa. Neste processo são recuperadas as consultas com grau de
similaridade igual ou próximo ao indicado pelo usuário. Esta fórmula é aplicada para cada caso na
base de casos, isto é, para cada perfil de consulta armazenado, uma vez que há comparação entre as
informações do perfil da consulta atual e as informações de cada perfil de consulta armazenado na
base de casos. Esta primeira fórmula é expressa da seguinte forma:
−
−−=
lbub
VjViVVV ji 1),( Equação 2
Esta equação é incorporada a formula do vizinho mais próximo e assim realizado o valor da
para a comparação da similaridade.
Na aplicação desenvolvida para validação deste modelo, foi utilizado como técnica de RBC
a recuperação seqüencial.
A recuperação seqüencial é a técnica mais simples, na qual a medida da similaridade é
calculada seqüencialmente para todos os casos na base de casos.
A recuperação seqüencial possibilita a determinação dos m casos mais similares para a
determinação de um grau de preferência. Aplica-se o conceito de similaridade a cada um dos casos
35
da base sucessivamente. Assim todos os casos da base são ordenados de acordo com a sua
similaridade com a consulta. Esse método de recuperação é um método de aplicação universal e
extremamente fácil de ser implementado para a determinação de casos similares (WANGENHEIM,
2003).
Como vantagens temos:
• O processo é comprovadamente completo e correto. O conceito de similaridade é
aplicado de forma seqüencial a todos os exemplos de casos da base de casos.
• Aceita a utilização de medidas de similaridades arbitrárias, já que não utiliza
qualquer tipo de indexação.
• Permite consultas independentes do conceito de similaridade, também pelo fato da
não utilização de indexação.
Como principal desvantagem do método é a má performance para grandes bases de casos,
devido ao processo excessivamente lento, porém, esse método é perfeitamente aplicável em bases
de casos pequenas.
36
3 DESENVOLVIMENTO
A primeira atividade realizada foi uma entrevista com o educador para identificar quais são
as dificuldades encontradas na identificação das crianças com dificuldades motoras, para o
levantamento de requisitos necessários para o modelo proposto. Em seguida, avaliada ferramentas
similares.
A entrevista foi realizada primeiramente com a psico-pedagoga Michele Campos Cassanelli,
que auxiliou a identificar os tipos de dificuldades motoras em crianças em idade pré-escolar e
também foi consultada a professora do curso de Pedagogia da Univali de São José, Rosangela
Machado, que trabalha com inclusão social de crianças portadoras de algum tipo de deficiência,
onde a mesma, através de questionários utilizados em seu dia a dia (anexo 01, 02. 03 e 04), ajudou
no levantamento dos requisitos, fortalecendo o andamento do trabalho proposto.
Como softwares similares, em primeiro momento, tomou-se o conhecimento do software
PERSONA® - Sistema Especialista para o Reconhecimento de Perfis Psicológicos, apresentado no
I2TS’2002 – International Information Technology Symposium, realizado na cidade de
Florianópolis em outubro de 2002, que utiliza Inteligência artificial para traçar o perfil de pessoas
com desvios psicológico. O PERSONA® não teve a utilidade desejada, pois além de não utilizar a
estrutura de RBC e sim Sistema Especialista, teve-se acesso somente a dois artigos do mesmo, não
sendo possível o acesso ao software.
Na busca de outra aplicação que pudesse ser utilizada como ferramenta similar, tomei
conhecimento da aplicação Heuristia, onde em conversa com um dos desenvolvedores, foi possível
o acesso ao sistema como login e senha de usuário, disponibilizado pelo desenvolvedor, além de
documentação também disponibilizada pelo mesmo o que foi de grande ajuda para o entendimento
do sistema. O Heuristia utiliza a tecnologia de RBC e a técnica do “vizinho mais próximo” como
comparação entre os casos, mesma técnica aplicada neste trabalho.
O sistema Heuristia auxilia no diagnóstico de transtorno mental e foi de grande utilidade
para o entendimento do funcionamento da tecnologia.
37
3.1 Modelagem
3.1.1 Modelo de requisitos
Os requisitos levantados estão listados a seguir.
Para a modelagem deste modelo, foi utilizada a linguagem UML (Unified Modeling
Language), e os diagramas considerados relevantes para o desenvolvimento de sistemas.
Como ferramenta para criação dos Use cases, utilizou-se o Enterprise Architect 4.51
3.1.1.1 Requisitos funcionais
O sistema deve:
• Permitir cadastro de perguntas;
• Permitir aplicação de pesos as perguntas;
• Permitir apenas respostas "SIM" ou "NÃO";
• Permitir cadastro de aluno;
• Permitir cadastro de professor;
• Realizar comparação entre os casos da base e o caso novo;
• Identificar similaridade entre os casos base e o novo caso;
• Permitir inclusão, alteração e exclusão de dados;
• Permitir acesso somente a usuários cadastrados no sistema;
• Permitir que o especialista possa efetuar o login no sistema.
3.1.1.2 Requisitos não funcionais
O sistema deve:
• Possuir uma interface amigável;
38
• Possuir um mecanismo de controle de segurança para evitar que pessoas não
autorizadas tenham acesso ao sistema;
• Estar preparado para manipular e comparar 500 alunos na base.
3.1.1.3 Regra de negócio
• Somente o especialista pode cadastrar os professores;
• Somente o especialista pode cadastrar, alterar ou excluir perguntas;
• Cabe ao professor cadastrar novos alunos;
• O cadastro de alunos para os casos bases só poderá ser feito pelo especialista;
• Os professores deverão preencher todas as respostas do questionário;
• Somente professores cadastrados terão acesso ao sistema;
• Um professor ou aluno só pode ser excluído pelo especialista;
• O sistema deverá mostrar o grau (percentual) da similaridade;
3.1.2 Modelagem do sistema
A seguir será apresentada a modelagem do sistema, contendo os principais diagramas
utilizados.
• Visão de negócio
ud Apresentação do sistema
Modelo Computacional para Identificação de Dificuldade Motora em Crianças como idade Pré- escolar
Este é um modelo computacional que auxilia os educadores na identificação de alunos com problemas
mototes.
O sistema possui uma tela para cadastrar perguntas e seus respectivos pesos.
Possui também um cadastro de educadores e um cadastro de crianças.
O educador após observar o comportamento da criança faz a inserção dos dados no modelo, onde esses dados
novos são comparados com os casos base para identificação da similaridade.
O sistema apresenta os resultados dos casos mais similares e apresenta na tela
Figura 09. Apresentação do sistema
39
3.1.3 Diagrama de Uso de Caso
Os diagramas de caso de uso fornecem uma descrição da visão do sistema e suas interações
com o mundo exterior, representando uma visão de alto nível da funcionalidade intencional
mediante o recebimento de um tipo de requisição do usuário (FURLAN, 1998).
3.1.4 Use cases do Processo
cd Use Case Processo
Professor
(from Atores de negócio)
Cadastra Aluno
Preenche
questionário de
perguntas
impressas
Insere dados do
quetionário no
modelo
Especialista
Cadastra PerguntaCadastra caso
base
Cadastra professorAtribui peso as
perguntas
Figura 10. Use Case Processo
Na figura 10 é apresentado o Use case de processo, onde se têm uma visão geral de todo o
sistema, com os atores professor e especialista, e suas respectivas ações. Abaixo são apresentados
os atores e suas ações de forma separada para um melhor entendimento das atividades de cada um.
40
3.1.5 Use Case Professor
Figura 11. Use Case Professor
A figura 11 apresenta o Use Case Professor, onde temos no centro o ator (professor)
relacionado com suas ações, cadastrar Aluno, preenche questionário de perguntas impressas e
inserir dados do questionário no modelo. No caso da ação preenche questionário de perguntas
impressas, é considerado necessário quando o ambiente de observação não dispõe de um
computador para anotação direta no sistema, esta ação pode ser suprimida caso o professor tenha a
opção de realizar diretamente no computador.
3.1.6 Use Case Especialista
Figura 13. Use Case Especialista
41
A figura 13 apresenta o Use Case Especialista, onde temos no centro o ator especialista
associado às ações realizado por ele, que são: cadastrar pergunta, atribuir peso as perguntas,
cadastrar caso base (que se refere à inserção do caso base que servirão de comparação aos novos
casos) e cadastro de professor.
3.1.7 Modelo Lógico
Figura 14. Modelo Lógico
A figura 14 apresenta as principais classes que compõem o modelo e uma breve descrição de
cada uma delas.
A classe Pergunta, possui os atributos: pergunta do tipo string e peso do tipo integer,
juntamente com suas funções apresentadas na figura acima. A classe Aluno, possui os atributos:
nome do tipo string, idade do tipo integer, sexo do tipo booleano, cor do tipo string, serie do tipo
string e reside do tipo string, juntamente com as funções apresentadas na figura acima. E a classe
Professor, que possui os atributos: nome do tipo string e serie do tipo integer, juntamente com as
funções mostrada na figura 14.
Para todas as classes temos os atributos “private” e as funções “public”, para maior
segurança e integridade dos dados.
42
3.1.8 Telas do sistema
A seguir são apresentadas às telas do sistema, esta apresentação segue um ordem lógica do
acesso ao sistema.
As telas e demais programação fora feitas em ambiente Delphi 6.0 e tem caráter ilustrativo,
pois o proposto aqui é a o modelo, sendo assim, em aplicações futuras poderá ser utilizado outro
ambiente de programação bem com o banco de dados desejado, desde que essas aplicações
respeitem o modelo aqui proposto.
Figura 15. Tela01 – Acesso ao sistema
A tela01 é a tela inicial do sistema. Nesta tela é feito o acesso dos usuários cadastrados. A
tela de login identifica se o usuário e senha estão corretos e a que privilégio pertence. E feito
primeiro a verificação se o usuário é o administrador do sistema (no caso o especialista). Caso seja,
será mostrado a tela02 (figura 16) cadastro geral, onde o especialista poderá cadastrar perguntas,
professore e alunos. Caso o login válido seja de um professor cadastrado, será mostrado a tela07
(figura 17), com a opção de cadastro de aluno somente.
Cada uma das opções de cadastros (perguntas, professor e aluno) será explicada
detalhadamente abaixo.
43
Figura 16. Tela02 – Cadastro Geral
A tela02 (Figura 16) é a tela de cadastro Geral e será exibida somente se o usuário logado
for o administrador (neste caso o especialista). Nela são acessadas as telas de cadastro de Aluno,
Educador e Questionário que o especialista terá acesso quando logar o sistema com sua
identificação.
Figura 17. Tela07 – Cadastro Geral
A tela07 (Figura 17) é a de cadastro Geral que será exibida somente se o usuário logado for
um professor cadastrado. Nela é acessada a tela de cadastro de Aluno que o professor terá acesso
quando logar o sistema com sua identificação, não podendo o professor realizar cadastro de
professor ou inserir perguntas ao questionário.
44
Figura 18. tela03 – Cadastro de Educador
A tela03 (Figura 18) é a tela de cadastro do educador que somente o especialista terá acesso.
Nela é feito o cadastro dos educadores com nome, matrícula e série, onde o nome e a matrícula
serão respectivamente os dados de usuário e senha para acesso ao sistema (tela01 – figura 15). As
informações desta tela serão armazenadas na tabela cad_professor para consulta as informações
quando necessário.
Figura 19. Tela04 – Cadastro de perguntas
45
A tela04 (Figura 19) é a tela de cadastro das perguntas. Somente o especialista tem acesso
pois ele é ele quem tem o conhecimento para o esse cadastro, sendo ele responsável pelo cadastro
evitando assim perguntas repetidas ou sem valor para comparação. Nela é cadastrado as perguntas
do sistema, juntamente com seu respectivo peso, podendo o especialista Inserir, alterar, excluir as
perguntas, estas informações ficam armazenadas na tabela cad_pergunta para consulta quando
necessário. As novas perguntas ficam armazenadas na base de dados, mas não são incorporadas a
tela de perguntas para não interferirem nos dados da base de caos. Caso esses novas perguntas
sejam num segundo momento incorporadas a tela de perguntas, deverá ser realizada novo cadastro
dos casos bases com os valores atuais para não comprometer o resultado.
Apesar do cadastro de perguntas estar armazenando as perguntas e seus respcetivos pessos,
para esta aplicação não está sendo levado em conta o peso das questões pelo fato de estar sendo
usado como comparação por recuperação seqüencial.
Figura 20. Tela08 – Cadastro de dados pessoais
A tela08 (Figura 20) é a tela onde serão cadastradas as informações pessoais do aluno, dados
esses que poderão servir para outras comparações futuramente. Esta tela é vista tanto pelo
especialista quanto pelos professores cadastrados.
46
Figura 21. Tela05 – Dados Psicomotores
A tela05 (Figura 21). Esta tela apresenta as perguntas cadastradas pelo especialista para a
comparação após todas as perguntas serem respondidas pelo usuário (professor/educador), clicando
no botão Concluir e acessa a tela06 com os casos da base com seu grau de similaridade. Caso uma
pergunta não seja preenchida o sistema apresenta a mensagem “Existe pergunta sem resposta!” e
indica a pergunta que não foi respondida, pois necessita de todas as respostas para realizar a
comparação.
47
A comparação da similaridade é realizada pela recuperação seqüencial, onde são somadas
todas as respostas “sim” iguais e todas as respostas “não” iguais para cada pergunta. Ou seja, é
analisada a primeira pergunta da criança com a primeira pergunta de cada um dos casos da base. Se
a resposta da criança analisada for a mesma do caso base para aquela resposta, o caso da base é
incluído em uma tabela temporária onde será feito através de um contador, a soma de quantas
respostas iguais cada caso base tem em comum a criança analisada. No final é mostrado a
quantidade de respostas iguais de cada caso e a porcentagem de similaridade. Esses resultados são
apresentados na tela06.
Figura 22. Tela06 – Similaridade
A tela06 (Figura 22) apresenta os dados de similaridade, onde no topo da tela temos o nome
do aluno que esta sendo feito à comparação e abaixo a quantidade de respostas similares entre a
criança e os casos da base. Deste modo pode-se perceber qual a porcentagem de similaridade
existem entre cada caso de dificuldade da base e a criança avaliada. Contudo, somente o especialista
poderá saber se a criança realmente precisa de tratamento ou não.
48
3.1.9 Diagrama de Seqüência
Figura 23. Diagrama de seqüência Acesso ao sistema – Acesso especialista.
Pelo diagrama acima percebemos que o especialista ao logar no sistema, tem a possibilidade
de cadastrar perguntas, alunos ou professores, além de preencher o questionário e identificar a
similaridade.
Figura 24. Diagrama de seqüência Acesso ao sistema – Acesso professor.
Pelo diagrama acima, podemos perceber que o professor faz login no sistema e acessa a tela
de cadastro de aluno, onde cadastra os alunos, acessando em seguida a tela de perguntas e
49
preenchendo todas as questões com as opções sim ou não e então, após o preenchimento completo
acessa a tela de similaridade.
3.1.10 Modelagem do banco de dados
Para o armazenamento dos dados foi utilizado banco de dados relacional1, Nesta aplicação
utilizou-se o banco de dados Access pela facilidade no manuseio, e por ser adequado ao propósito.
As tabelas e seus respectivos campos são apresentados a seguir.
Figura 25. Tabela cadastro de pergunta.
A tabela Cadastro de Perguntas serve para armazenar as perguntas e seus respectivos pesos.
O peso de cada pergunta será definido pelo especialista de acordo com a importância da mesma. O
campo codpergunta desta tabela será relacionado com o campo codpergunta da tabela
cad_analiserealizada para que seja feita a análise de similaridade.
Figura 26. Tabela cadastro de professor.
Esta tabela cadastro de professor (CAD_PROFESSOR) é onde ficam armazenados os
dados dos professores que terão acesso ao sistema, ela faz-se necessário para que sejam consultadas
as informações na hora do login, e futuramente poderá ser útil na comparação da análise de um caso
novo por professores diferente, sendo assim possível analisar a coerências nas duas avaliações caso
tenhamos um aluno analisado por professores diferentes.
1 Um Banco de Dados Relacional define maneiras de armazenar, manipular e recuperar dados estruturados unicamente na forma de tabelas, construindo um banco de dados.
50
Figura 27. Tabela cadastro de Aluno.
Na tabela cadastro de aluno (CAD_ALUNO) temos o cadastro dos novos casos cadastrados
para a comparações, o campo codaluno desta tabela se relaciona com o campo codaluno da tabela
cad_analiserealisada, para ser realizada a comparação enter os casos. Os alunos cadastrados nesta
tabela não farão parte das comparações futuras em um primeiro momento, pois não pode haver
comparação de um caso novo com um novo caso e sim com os casos base que já fora devidamente
cadastrados pelo especialista. Após análise dos novos casos, o especialista, com seu conhecimento,
poderá cadastrar os casos novos que julgar relevantes com casos base.
Figura 28. Tabela de Análises.
A tabela de análise realizada (CAD_ANALISEREALIZADA) esta relacionada com as
demais tabelas para que seja possível a análise da similaridade. Desta forma, esta tabela armazena
informações da análise realizada.
Figura 29. Tabela Temporária.
51
A tabela temporária contém os dados dos casos da base que possuem respostas similares às
respostas do novo caso, onde o campo nracertos é incrementado ao nome do caso da base toda vez
que a resposta de cada pergunta forem iguais.
Abaixo segue a disposição do relacionamento feito entre as tabelas.
Figura 30. Relacionamento entre as tabelas.
Com as tabelas relacionadas entre si é possível agrupar dados de forma a atender
informações necessárias para a busca dos resultados.
3.2 Análise de Riscos
Como risco para este trabalha, temo alguns fatores como:
• A não disponibilidade de tempo do educador para avaliar as perguntas do
questionário;
• Falta de conhecimento suficiente para criação das perguntas por parte do
especialista;
• Indisponibilidade de equipamento na escola para utilização do sistema;
• Escolha inadequada dos pesos e perguntas associada ao sistema.
52
4 CONSIDERAÇÕES FINAIS
Como conclusão deste trabalho, pode-se afirmar que ainda há muito para aprender sobre
IA e RBC assim como a interação entre a área de exatas com demais áreas.
No inicio da pesquisa, a primeira dificuldade encontrada foi a carência de matéria para o
levantamento das técnicas utilizadas na identificação do perfil da criança. Após várias conversas
com pedagogos e professores da Universidades, foi traçado a idéia para o andamento trabalho.
Decidiu-se em utilizar o mesmo processo utilizado na construção de um software: levantamento de
requisitos, regras de negócios, modelagem etc.
Seguindo o roteiro traçado a primeira etapa foi cumprida levantando-se técnicas de
identificação do perfil através de testes psicológicos e programação neuro-lingüistica, juntamente
com as técnicas utilizadas em IA para identificar casos similares.
Na segunda etapa do trabalho, foi colocado em prática o proposto na primeira etapa, onde
após o levantamento dos requisitos funcionais e não funcionais, deu-se inicia a criação das regras de
negócio, modelo de use case, diagramas de seqüência, modelagem do banco de dados entre outros.
Ainda existia uma dúvida: que formula aplicar na identificação da similaridade e como
fazer?
Neste momento o auxilio veio através das aplicações (softwares) similares encontradas,
onde teve-se o conhecimento mais a fundo da formula do vizinho mais próximo, utilizado em
aplicações de RBC.
Como o propósito principal foi a criação do modelo, Definiu-se a utilização de uma
linguagem de programação onde a construção de telas fosse realizada de maneira simples e ao
mesmo tempo, suporta-se a estrutura de banco de dados relacionais. Neste momento foi decidido
pela utilização do Delphi e banco de dados Microsoft Access, pela facilidade de implementação e
domínios dessas ferramentas.
Observou-se que diante das modelagens prontas, a aplicação pode ser desenvolvida em
qualquer sistema de programação e banco de dados, desde que obedecendo as regra de negócio e
modelos criados.
53
Como trabalhos futuros o modelo pode agregar além das dificuldades motores citadas,
outros tipos de dificuldades, já que é o especialista quem cria as perguntas e atribui os pesos
necessários.
Outra aplicação válida seria o desenvolvimento de aplicações para web, para a utilização em
mais de um sistema operacional, bem como a criação e adaptação de novas fórmulas para a
melhoria constante das aplicações.
54
REFERÊNCIAS BIBLIOGRÁFICAS
AAMODT, A. & PLAZA, E. Case-Based Reasoning: foundational issues, methodological variations and system approaches. AI Communications. IOS Press, v. 7. 1994. Disponível em http://www.iiia.csic.es/People/enric/AICom_ToC.html. Acesso em outubro 2006.
A Filosofia de Descartes –Disponível em http://www.mundodosfilosofos.com.br/descartes.htm acesso em 10/11/2006.
ALVES-MAZZOTTI, Alda Judith; GEWANDSZNAJDER, Fernando. O método nas ciências naturais e sociais: pesquisa quantitativa e qualitativa. 2. ed. São Paulo: Pioneira, 1999.
ANASTASI, Anne. Testes Psicológicos. E.P.U., Rio de Janeiro, 1977.
BALDIN, Maria Silvia Zancope. Redes Neurais na Orientação Profissional – Dissertação de mestre de ciências – Programa de Pós-Graduação em Métodos Numéricos – Universidade Federal do Paraná, Curitiba 2002.
BERNE, Eric. Os jogos da vida: a psicologia transacional e o relacionamento entre as pessoas. Rio de Janeiro: Artenova, 1977.
CARVALHO, A. M.; MORENO, Eleni; BONATTO, F.R.O; SILVA, I.P. Aprendendo metodologia científica. 3. ed. São Paulo : O nome da rosa, 2000.
CHÂTEAU, Jean. O jogo e a criança. Sao Paulo: Summus Editorial, 1987
CRONBACH, Lee J. Fundamentos da testagem psicologica. 5.ed. 1996.
DURKIN, John. Expert systems: design and development. New York: MacMillan, c1994
ECO, Umberto. Como se faz uma tese. 3. ed. São Paulo : Perspectiva , 1989.
FURLAN, José Davi. Modelagem de objetos através de UML: the unified modeling language São Paulo: Makron Books, 1998.
GESSELL, Arnold. A criança dos 5 aos 10 anos. 3. ed. São Paulo : Martins Fontes, 1998.
GONGORA, Angela Daniele – “O que é Inteligência Artificial” 2002. Disponível em: http://www.startpoint.com.br/glossa0i.htm - Acesso em 10/11/2006
HOLLE, Britta. Desenvolvimento motor na crianca normal e retardada: um guia pratico para a estimulacao sensoriomotora. Sao Paulo: Manole, 1979.
KOLODNER, Janet. Case-based reasoning. San Mateo: Morgan Kaufmann, 1993.
LANDIVAR, J. G. Como Programar em Educação Especial. Editora Manole Dois, São Paulo 1990
O’CONNOR, Joseph; SEYMOUR John. Introdução a programação Neurolingüística. São Paulo : Summus, 1995.
55
RICH, Elaine; KNIGHT, Kevin. Inteligencia Artificial. 2. ed. Sao Paulo: Makron Books, 1993.
RICH, Elaine. “Em que Consiste a Inteligência Artificial” – disponível em http://www.inf.ufsc.br/~falqueto/aGraduacao/INE5633Sist_Intel/IA_Geral/IA_Introd_Historia.PDF acesso em 10/11/2006
ROBBINS, Anthony. Poder sem limites. 23.ed. Sao Paulo: Best Seller, 1987
ROSA NETO, Francisco. Manual de Avaliação Motora. 1.ed. Porto Alegre : Artmed Editora, 2002.
ROSA NETO, Francisco, “Motricidade infantil e transtornos na aprendizagem” disponível em http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1516-44462002000600011 acessado em 08/09/2006.
RUSSELL, Stuart J. (Stuart Jonathan); NORVIG, Peter. Inteligencia artificial. Rio de Janeiro: Campus, 2004.
SALVIA, J.; YSSELDYKE. J. Avaliação em Educação Especial e Corretiva. Tradução Doris Sanches. 4. ed. São Paulo: Manole, 1991.
VYGOTSKY, L. S. A formação social da mente de Avaliação Motora. O desenvolvimento do processos biológicos superiores. São Paulo : Martins Fontes, 1991.
VIRTUS - Revita Científica em Psicopedagogia. Tubarão V.3 N.1, p.41-49: Unisul, dezembro 2003.
WANGENHEIM, Christiane Gresse von; WANGENHEIM, Aldo v. (Aldo von). Raciocínio baseado em casos. Barueri, SP: Manole, 2003.
WATERMAN, D. A. (Donald Arthur). A guide to expert systems. Reading, Mass: Addison-Wesley, 1986.
56
ANEXOS
57
I ANEXO 1
58
59
60
61
II ANEXO 2
62
63
64
65
III ANEXO 3
66
67
68
IV ANEXO 4
69
70
71
V ANEXO 5
Desenvolvimento motor o perceptivo (as idades correspondem a média das crianças normais)
2 a 3 anos 3 a 4 anos 4 a 5 anos 5 a 6 anos
De pé, caminhando, correndo
Articulação do pé ao caminhar; marcha calcanhar dedo; desce escada sozinha segurando o corrimão.
Ao caminhar, não banboleia; corre bem; sobe e desce escadas facilmente.
Caminha com rotação; Ergue-se da posição supina com um só movimento
Pula corda; Não se apoia mais só nas pontas dos dedos
Equilibro e salto Para subtamente, muda subtamente de direção; salta desajeitadamente; anda de velocípede
Caminha sobre uma linha
Fica de pé sobre uma perna só; Salta para a frente sobre as duas pernas; caminha sobre plataformas baixa.
Fica de pé sobre uma perna só (direita/esquerda). Salta agilmente, salta em um só pé
Preensão manual Pressão palmar cruzada: com o indicador estendido; agarra uma bola grande com ambos os braços. Come com o garfo.
Pressão digital; Agarra bola grande com os dedos abertos; Agarra bola pequena com as mãos em conchas.
Agarra bola pequena com ambas as mãos
Come e desenha com pressão “adulta”. Agarra bola pequena corretamente; Agarra bola com movimento completo.
Visão – percepção visual
Diz o nome de uma cor; usa formulário simples
Focaliza exata e rapidamente
Desenvolve conceito de totalidade; Diz nome de todas as cores.
Visão totalmtente desenvolvida; Compreende os sinais de trânsito; Reconhece os simbolos numéricos
Coordenação – olho-mão
Constroi torre de 6 a 8 blocos (cubos de 2,5 cm); despeja líquido na xícara; Despe-se parcialmente.
Constroi torres de 9 blocos (cubos de 2,5 cm);
Veste-se rapidamente; sabe usar botões grandes
Desenha “um homem”; Lava as próprias mãos e rosto
Veste-se sozinha. Colore bem as figuras; (6-7 anos) amarra o cordão do sapato
Coordenação – Tato percepção tátil
Discrimina quente/frio. Reconhece as coisas pelo tato sem vê-las
Diz onde doi Prepara seu próprio banho
Orgãos da fala – fala Não balbúcia mais; combina 3-5 palavras; verbaliza ação; Dentição completa; Mastigação trituradora.
Monólogos longos
Frasees longas; Faz preguntas constantemente
Pergunta o significados das palavras; Fala quase correta e claramente
72
Audição – precepção auditiva
Versos e canções; Histórias simples e curtas.
Pode ser persuadida
Obedece instruções orais prontamente; Executa três ordens curtas dada conjuntamente.
Consciência corporal Diz o nome de alguma parte do corpo; conheçe seu próprio sexo.
Tenta desenhar “um homem”; Diz nome de muitas partes do corpo
Desenha “um homem”; distingue o pesado/leve.
Consciência da tensão e relaxação muscular
Dominância Manual Esquerda-Direita Discriminação
(6-7 anos) conhece seu próprio lado direito e esquerdo.
Percepção da direção Copia linha vertical; Copia linha horizontal; Arremessa em direção definida; Palavras (cima, baixo, lado)
Copia linhas diagonais
Palavras: para a frente, para trás
Percepção do espaço Palavras (fora, dentro, sobre, por cima, debaixo)
Palavras: ao redor da mesa; ao redor de sí próprio
Palavras: atrás, diante
Palavras: no meio
Controle do intestino a) Avisa, mas tarde demais
b) Avisa, mas acontece acidentes.
Vai ao banheiro sozinho mais precisa de ajuda.
Cuida-se sozinha, (Uma pequena ajuda)
Controle da Bexiga. Avisa a tempo, mas ocorre acidentes.
Vai ao banheiro sozinho mais precisa de ajuda. Poucos acidentes diários.
Cuida-se sozinha Á noite 90% seco