De um Simples Modelo à Complexidade de um Sistema Dinâmico: a transformação dos estados físicos e a tempestade
DOI:
https://doi.org/10.56117/resbenq.2024.v5.e052407Palavras-chave:
Inteligência Artificial, Modelagem, Ensino de CiênciasResumo
O presente estudo apresenta resultados de uma pesquisa que buscou se apropriar de técnicas da Inteligência Artificial (IA), por meio do Raciocínio Qualitativo (RQ), para representar funções matemáticas sem o uso de números e com relações de causalidade explicitamente identificadas, para a construção de modelos qualitativos de simulação no ensino de Ciências e Química. Estudos anteriores demonstram o potencial do RQ para abordar sistemas dinâmicos por meio de atividades que exploram, com o apoio de modelos de simulação, o uso de raciocínio hipotético – dedutivo para analisar conceitos complexos, e ampliar o leque de materiais e atividades disponíveis para os professores. Para tanto, adotamos a plataforma de modelagem DynaLearn (www.dynalearn.eu), um software de interface gráfica, com seis níveis de aprendizagem, denominados Learning Spaces (LS), gradativamente mais complexos, que facilitam a construção de modelos e a apresentação dos resultados de simulações. Dessa forma, construímos um conjunto de três modelos qualitativos capazes de descrever a transição dos estados de agregação da água, assim como os seus processos envolvidos. Iniciamos com um simples modelo, para representar a transição dos estados físicos da água. Ainda que sem uma explicação causal, o modelo sinaliza pontos e intervalos, evidenciando que uma substância não altera o seu estado de agregação, sem antes iniciar e findar a mudança de cada estado. Depois, o ampliamos o cenário, incluindo diferentes relações de causalidade e processos. Em seguida, contextualizamos os modelos a partir da aplicação em um fenômeno natural, que constantemente acontece no Brasil: o caso das tempestades. Os modelos trazidos, neste texto, são potentes para serem utilizados no ensino de Ciências e Química, apresentando a principal explicação para a transição dos estados físicos, que dificilmente são abordados em sala de aula: as trocas de energia.
Referências
Bredeweg, B., Liem, J., Beek, W., Linnebank, F., Gracia, J., Lozano, E., ... & Mioduser, D. (2013). DynaLearn – An Intelligent Learning Environment for Learning Conceptual Knowledge. AI Magazine, 34(4), 46-65.
Forbus, K. D., & de Kleer, J. (1993). Building Problem Solvers. Cambridge, MA: MIT Press.
Gamboa, S. F. (2007). Pesquisa teórica: uma reflexão epistemológica e sua importância na produção do conhecimento. Revista Diálogo Educacional, 7(21), 87-103.
Globoplay. Como o Brasil e o mundo estão se preparando para nova realidade do clima? Recuperado em 09 de outubro de 2024, de https://globoplay.globo.com/v/7540228/
Leal, M. C. (2010). Didática da Química: Fundamentos e práticas para o ensino médio. Belo Horizonte.
Ribeiro, A. A., & Greca, I. M. (2003). Simulações computacionais e ferramentas de modelização em educação química: uma revisão de literatura publicada. Química Nova, 26(4), 542-549.
Rykiel, E. J. (1996). Testing Ecological Models: the Meaning of Validation. Ecological Modelling, 90, 229-244.
Salles, P., Bredeweg, B., Noble, R., Zitek, A., & Souza, A. B. (2012). Qualitative Model Patterns: a Toolkit for Learning by Modelling. In 26th International Workshop on Qualitative Reasoning, Playa Vista, CA, USA (Vol. 1).
Teodoro, P. V., Salles, P., & Gauche, R. (2023). A Qualitative Model of the evaporation process for science education. In 15th Conference of The European Science Education Research Association (ESERA), Capadócia, Turkey. Esera Conference Proceedings.
Teodoro, P. V., Gomes, D. C. M., & Silva, L. R. R. (2023). A Inteligência Artificial a partir do Raciocínio Qualitativo: panorama de materiais didáticos no Ensino de Ciências Naturais. Boletim de Conjuntura, 16, 378-390.
Teodoro, P. V., Salles, P., & Gauche, R. (2024). System dynamics through qualitative modeling in DynaLearn: Results from research conducted in a Brazilian high school context. In A. M. Olney, I.-A. Chounta, Z. Liu, O. C. Santos, & I. Bittencourt (Eds.), Communications in computer and information science (Vol. 2151, pp. 251-258). Springer Nature Switzerland.
Tiedemann, P. W. (1998). Conteúdos de Química em Livros Didáticos de Ciências. Ciência & Educação, 5(2), 15-22.
Oliveira, A. C. G., & Petrucci-Rosa, M. I. (2016). Recontextualizações e hibridismos em processos de elaboração e avaliação de Livros Didáticos de Química. Química Nova na Escola, 38(3), 273-283.
Souza, P. V. T. (2019). Modelos de simulação qualitativos como estratégia para o ensino de Ciências (Tese de doutorado, Universidade de Brasília).
Souza, P. V. T., Salles, P., & Gauche, R. (2017). Um modelo de simulação baseado em raciocínio qualitativo para a educação em ciências. ACTIO: Docência em Ciências, 2, 162-183.
Publicado
Edição
Seção
Licença Creative Commons
Todas as publicações da Revista da Sociedade Brasileira de Ensino de Química estão licenciadas sob licença Creative Commons Attribution 4.0 International License. (CC BY 4.0).
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attributionque permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho on-line(ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).