Raciocínio de Senso Comum sobre Quantidades

1. Raciocínio de Senso Comum sobre Quantidades # A idéia da Causalidade é fundamental para o Raciocínio Semi-quantitativo (RSQ) Mas o que é Causalidade ? # Uma ação executada por um agente com a intenção e a expectativa que algo se seguirá. Ex. Dirijo a mão na direção de um copo # Um evento natural que acarreta um evento ou um estado de acontecimentos. Ex. O fogo na floresta que queima uma cidade O que pensam os filósofos e cientistas # Piaget usou a idéia de causa equivalente a explicação. > Explicações causais coordenam diversas relações dentro de um sistema onde a necessidade é a essência. > A causalidade não pode ser reduzida a uma simples relação de causa e efeito. # Forbus e Gentner As pessoas tem uma intuição profunda que causalidade é um aspecto central e coesivo da vida mental humana. # Hayes O raciocínio causal pode ser simplesmente uma fórmula de inferências cujas propriedades variam de acordo com o conteúdo do argumento.

2. Trabalhos em Inteligência Artificial (AI) e Ciências Cognitivas # Forbus e Gentner tentaram caracterizar 3 aspectos principais do raciocínio causal: 1. Raciocínio explícito - Aquecimento causa derretimento 2. Uma direção de relacionamento causal determinada pelo mecanismo causal O nível do copo cresce quando se acrescenta leite 3. O modo como pensamos que a quantidade varia, notavelmente a sequência, muitas vezes ordenada numa cadeia causal. No Eclipse Solar a variação da intensidade luminosa Para os autores este tipo de raciocínio é semelhante ao raciocínio diário e tem natureza essencialmente qualitativa. Tal raciocínio qualitativo nos permitiria fazer inferências rapidamente e competentemente num mundo complexo. # de Kleer e Brown tentaram construir sistemas de raciocínio humano que raciocinariam “naturalmente”. Para eles um modelo mental é constituído de 4 passos: 1. O sistema constrói uma descrição da estrutura do dispositivo 2. O sistema elabora um número de modos para o possível funcionamento do dispositivo, construindo um modelo causal dele (Processo de Previsão) 3. O sistema imagina o modelo funcionando 4. O sistema compara estas possibilidades com o que acontece na realidade, podendo revisar o modelo como resultado. # Pesquisadores de AI tentaram, sem sucesso, desenhar sistemas para computador, que raciocinassem qualitativamente, suportando variáveis tipo grande, pequeno, etc.

3. Física Qualitativa x Física Ingênua Física Qualitativa => Raciocínio qualitativo aplicado a situações físicas, onde a intenção é derivar somente inferências corretas. Física Ingênua => Tenta capturar o modo como os humanos raciocinam, corretamente ou não, sobre o ambiente físico que o rodeia. No TELP chamamos de raciocínio semi-quantitativo o empregado na Física Qualitativa, em lugar de raciocínio qualitativo, porque tanto a física qualitativa quanto a física ingênua indicam a direção do raciocínio e fornecem tamanhos aproximados de causas e efeitos. Trabalhos com Crianças e Estudantes # Piaget A compreensão da causalidade esta ligada a mecanismos gerais de desenvolvimento da inteligência. # Outros pesquisadores As crianças são capazes de raciocinar causalmente em domínios familiares. Simples sequências ordenadas temporalmente # Ploetzner et al Desenvolveram um representação multi-nível do domínio de conhecimentos e raciocínio sobre o mundo físico => Sistema Tutorial Inteligente Os domínios de conhecimento são divididos em níveis de complexidade crescente: Qualitativo, Semi-quantitativo relacional, Quantitativo relacional, Quantitativo numérico

4. # Nemirovsky e Rubin Objetivo: Estudaram o problema do relacionamento entre a função e a sua derivada. Alunos: Grupo pequeno de estudantes secundários americanos que nunca estudaram cálculo Método: Trabalharam em 3 contextos: Movimento, Fluidos e Integração Numérica Usaram programas de computador que geravam funções e permitiam explorar a sua forma Conclusões: 1. Os estudantes tendem a assumir semelhança entre o comportamento da função e sua derivada - Abordagem de semelhança 2. Na abordagem variacional os estudantes focalizaram no relacionamento entre a função e sua derivada, em lugar das propriedades gerais de cada gráfico. # Kurtz dos Santos Objetivo: Comparação entre o desempenho de estudantes entre diferentes abordagens de modelagem: Diagramas causais, programa IQON, programa STELLA Alunos: Estudantes com 16 a 18 anos Método: Questionário para um survey (variáveis, diagramas causais, modelagem) Metade trabalhou com diagramas causais e metade com o IQON em tarefas expressivas e exploratórias. Os dois grupos trabalharam com o STELLA em tarefas expressivas e exploratórias

5. Conclusões (Kurtz dos Santos) 1. Os estudantes que trabalharam com o IQON se saíram melhor do que os que trabalharam com diagramas causais, tanto nas tarefas expressivas e exploatórias 2. Os dois grupos foram iguais quando trabalharam para construir modelos causais em loops no STELLA 3. A idéia da taxa de mudança é fundamental para a modelagem quantitativa e para entender modelos no STELLA. Houve problemas com a representação da taxa de mudança de uma variável como sendo outra variável 4. Os estudantes precisam ser capazes de relacionar as entidades razoavelmente num modelo e fornecer mecanismos que expliquem estes relacionamentos. A maioria usou um raciocínio causal linear (uma causa, um efeito) # Bliss Objetivo: Estudar o raciocínio com um instrumento semi-quantitativo Estudantes: Alunos com idades entre 11 e 14 anos Método: Tarefa de raciocínio sem computador Aprender a usar o computador e o IQON Executar a tarefa de modelagem em 3 áreas nos modos exploratório e expressivo Conclusões: 1. Os modelos feitos nas tarefas expressivas foram mais simples do que os modelos que eles poderiam entender facilmente nas tarefas exploratórias 2. Não tiveram hesitação em criticar seus próprios modelos nas tarefas expressivas 3. Nas tarefas exploratórias eles sugeriram apenas adições e extensões 4. A maioria usou referências ao mundo real e seu conhecimento e experiência