Publicidade

segunda-feira, 10 de fevereiro de 2020 aprendizagem, Educação e Tecnologia, Ensino Superior, Inovação e Educação | 12:12

A Árvore de Decisão e o coentro no peixe

Compartilhe: Twitter

 

 

 

Uma Árvore de Decisão é um diagrama representando um conjunto sequencial de decisões intermediárias, gerando, ao final, diversas soluções para a questão preliminarmente proposta.

 

Esta abordagem tem sido utilizada como ferramenta de tomada de decisões, balizadas por raciocínios justificáveis, colaborando na análise e no planejamento, bem como no aprimoramento de processos, tanto simples como complexos.

 

Na verdade, na sua forma não explicitada e sistematizada, utilizamos, no cotidiano, raciocínios com formas similares às árvores em questão, de forma instintiva e natural. No entanto, atualmente, a utilidade de Árvores de Decisão é transcendente, dado que, associado a uma Árvore de Reflexão, viabiliza um processo iterativo dinâmico, o qual permite aprimoramentos contínuos. Nesta perspectiva, este método constitui uma das bases essenciais de Inteligência Artificial e de Aprendizagem de Máquina (em inglês, “Machine Learning”).

 

A árvore começa sempre com uma pergunta central, retratando o tema raiz a ser abordado.  A partir da raiz, possibilidades decorrentes são representadas por troncos de árvore. Esses troncos, por sua vez, se desdobram na forma de folhas, ilustrando as múltiplas possibilidades inseridas num fluxograma, o qual, ao final, leva a um conjunto de possíveis soluções.

 

Visando evidenciar em que medida é possível expressar processos de decisões comuns e diários, exemplificamos aqui com um caso peculiar: usar ou não coentro na preparação de um prato à base de peixe.

 

Suponhamos, a título de ilustração, que você já está na cozinha começando a preparar um prato de peixe a ser servido logo mais à noite para seus convidados. Imaginemos que a possibilidade de usar coentro (ou não) lhe venha à mente.

 

Consideremos, por hipótese, que seja fato assumido que aproximadamente 1/3 das pessoas adore coentro, que 1/3 deteste coentro e que para o restante 1/3 seja indiferente. Esses números são plausíveis para quem já experimentou o forte sabor do coentro no tempero.

 

Sua resposta preliminar, em geral baseada na sua própria opinião sobre o tema, irá definir a primeira bifurcação, expressa pela possibilidade de sim ou não (veja o Diagrama 1). Suponhamos que sua resposta seja sim sobre colocar coentro no peixe, ainda que você não disponha do produto naquele momento.

 

A pergunta natural decorrente do sim é se há possibilidade de obter coentro nas redondezas. Caso não esteja disponível o produto nas proximidades razoáveis, a decisão está inerentemente tomada: esqueça o coentro e toque adiante a preparação de seu prato sem ele.

 

Por sua vez, seguindo neste tronco, suponhamos que o coentro possa ser adquirido nas proximidades. Neste momento há que se ponderar se no conjunto de seus convidados há (ou não) expressiva maioria que gosta de coentro. A fração f se refere à hipótese inicial de 2/3 gostarem ou serem indiferentes.

 

Responderemos sim se f for maior ou igual a 2/3, o que nos remete à pergunta decorrente: há alguém particularmente especial incluído na minoria (1- f) que não gosta de coentro? Caso haja, mesmo que, eventualmente, frustrem outros, a decisão aconselhável tende para “faça o peixe sem coentro”. Se a opção for não, faça somente com coentro.

 

Por outro lado, sua resposta inicial, no começo da árvore, poderia ter sido não. Neste caso, surge a próxima pergunta acerca de alguns dos convidados, especialmente se aqueles que você quer agradar gostariam muito de comer com tempero de coentro. Se a resposta for não, faça sem coentro.

 

Alternativamente, se a opção for sim, significa que algumas pessoas que você quer especialmente agradar gostariam de coentro. Neste cenário, você é remetido (de novo) à questão da disponibilidade nas proximidades de coentro. Se a reposta for não, a solução está dada e siga sem coentro.

 

No entanto, se o coentro estiver disponível nas circunvizinhanças, você é endereçado a ter ou não à mão duas panelas, o que permitiria, em tese, fazer parte com coentro e parte sem coentro.

 

Suponhamos que naquele momento você não dispõe de duas panelas adequadas (continue acompanhando também pelo Diagrama 1), neste caso talvez a solução mais plausível seja “faça somente com coentro”.   Caso duas panelas estejam disponíveis, a solução seria “faça parte com e parte sem coentro”.

 

Observem no diagrama que duas setas apontam para “apenas com coentro”, quatro para “apenas sem coentro” e uma seta apenas para “faça parte com e parte sem”. As decisões assumidas ao longo dos diversos processos por certo estão eivadas de subjetividades e impregnadas de valores e conceitos de quem toma a decisão. A conferência acerca da efetividade (sucesso da árvore desenhada) só pode mesmo ser medida a posteriori. Assim, decorre daí a necessidade de uma Árvore de Reflexão associada à primeira (Diagrama 2).

 

A reflexão no caso específico diz respeito a saber se o jantar, já ocorrido, foi bom ou não. Caso sigamos o tronco do sim, emerge a pergunta “poderia ter sido melhor?”. Se a resposta tende para não (impossível ter tido mais sucesso), significa que a Árvore de Decisão é consistente e sua utilização foi um grande sucesso, restando as merecidas congratulações ao cozinheiro.

 

Caso a resposta à pergunta tenha sido que, na sua análise, existiria espaço para aprimoramentos, aparece a pergunta se você fez uso ou não de duas panelas. Caso sim, valem os mesmos cumprimentos acima pelo pleno sucesso. Se não foram utilizadas duas panelas, no próximo jantar não hesite, tenha-as disponíveis, o que significa um aprimoramento do processo.

 

Retornando ao início da reflexão, expressa pelo Diagrama 2, assumindo que o tronco do não, o peixe não foi um sucesso, decorre questionar se duas panelas foram ou não utilizadas. Caso não, o aperfeiçoamento, fruto da reflexão, sugere que outra panela seja adquirida.

 

No caso de duas panelas terem sido usadas e mesmo assim o jantar não foi um sucesso, o resultado da análise, no que diz respeito ao coentro, seria: repense a Árvore de Decisão, incluindo o valor adotado para o limite da fração f e demais itens constantes da árvore.

 

Perceba, por fim, que a Árvore de Decisão, ancorada nos aspectos mais comuns e diretos, se assemelha às tradicionais abordagens cognitivas, baseadas no que se sabe e no que se supõe que se saiba. Por outro lado, a Árvore de Reflexão lembra os elementos metacognitivos, ou seja, aqueles baseados em refletir sobre as próprias ações, aumentando o nível de consciência sobre seus atos, permitindo pensar sobre as oportunidades de aprendizagem ao longo do percurso, via permanentes iterações.

 

Um eventual retorno à Árvore de Decisão adotada, agora com um novo valor de f, é um exemplo simples do que máquinas inteligentes e complexas, baseadas em Inteligência Artificial, assentadas em “Machine Learning”, fazem.

 

Identicamente, a possibilidade de dispormos de mais dados sobre os convidados (“Big Data”) e de mais capacidade computacional pode, de forma similar, propiciar maior efetividade ao longo dos processos envolvendo as duas árvores.

 

Em suma, em um ambiente de trabalho convencional, podemos, utilizando as árvores, estimular que os envolvidos reflitam sobre os vários casos nos quais eles têm que tomar decisões. Em geral, eles não dispõem de uma árvore para sistematizar e analisar. Assim, é plenamente viável dar a eles, como primeira tarefa, escolherem um, dentre os inúmeros processos que tomam parte, e tentar descrevê-lo a partir de árvores.

 

Do ponto de vista educacional, há muito que ser explorado em termos de definição de trilhas de aprendizagem. Especialmente a análise acerca do que pode significar um aumento de consciência do educando sobre como ele aprende. Este tema será tratado mais adiante, conectado com a Analítica da Aprendizagem (“Learning Analytics”), o uso de plataformas inteligentes e de modelos adaptativos de aprendizagem.

 

Nós, humanos, criamos as máquinas. Uma das primeiras e mais simbólicas foi a máquina a vapor de James Watt, em 1769. Esta findou permitindo substituir, com pleno sucesso, aqueles que tiravam água das minas de carvão, viabilizando ir mais fundo e obtê-lo de mais qualidade e em maior quantidade.

 

Com o tempo, temos tentado desenvolver máquinas que possam cumprir todas as nossas tarefas, sem exceção. Atualmente, almejamos que as máquinas possam ir além de simplesmente fazer. Queremos que elas pensem, refletindo sobre suas próprias ações, aperfeiçoando a si mesmas continuamente e que tomem decisões, tal como nós o faríamos. Seja nas coisas mais complexas ou em decisões simples e cotidianas, a exemplo de, em determinado contexto, colocar ou não coentro no peixe.

 

Cada vez mais tentamos criar as máquinas à nossa imagem e semelhança – pelo menos na forma de lidar com a informação. O advento da Inteligência Artificial e dos Algoritmos de Aprendizagem, em conjunto com a ampliação absurda da capacidade de armazenar e processar dados, nos aproxima, por similaridade, com o que está registrado no Velho Testamento. Em especial, em Gênesis 1:26: “E disse Deus: Façamos o homem à nossa imagem, conforme a nossa semelhança; e domine sobre os peixes do mar, e sobre as aves dos céus, e sobre o gado, e sobre toda a terra, e sobre todo o réptil que se move sobre a terra”.

 

 

Autor: Tags: , , , , , , ,