Avaliação de Linguagens de Domínio Específico para Sistemas Multi-Agente

Abstract

Sistemas Multi-Agente (SMA) formam uma sub-área da Inteligência Artificial Distribuída e concentram-se no estudo de agentes com o intuito de resolver os seus problemas para atingir determinados objetivos. A Semantic Web Enabled Agent Modeling Language (SEA_ML) é uma Linguagem de Domínio Específico (LDE) usada até ao momento para fins educacionais que permite que sejam criados SMA num alto nível de abstração. A referida LDE foi criada com a necessidade de solucionar problemas relacionados com a produtividade dos developers. Embora tendo expressividade reduzida em termos computacionais, uma vez que pretende ser mais abstrata, permite manipular conceitos do domínio. Esta é construída com o propósito de ser mais próximo da forma de pensar dos utilizadores de um determinado domínio. Para que uma LDE contribua para a produtividade dos seus utilizadores, tem de garantir usabilidade, sendo naturalmente necessário que cumpra com requisitos de usabilidade. A usabilidade está relacionada com a Interação Pessoa Máquina (IPM), estudo sobre a forma como a tecnologia influência as atividades humanas, cujo objetivo é que os utilizadores possam alcançar os seus objetivos com eficácia, eficiência e satisfação. Apesar de já ter sido feita uma avaliação e consequentemente uma melhoria nas notações do SEA_ML, originando o SEA_ML++, verifica-se que os utilizadores desta continuam a apresentar um elevado grau de dificuldade na aprendizagem e uso desta linguagem, apontando a falta de usabilidade como o principal problema. Com vista a identificar, e se possível corrigir, o problema de usabilidade, foi realizado trabalho apresentado nesta dissertação que inclui uma segunda iteração à avaliação da usabilidade da linguagem SEA_ML, sendo que foram realizadas duas experiências. A primeira consistiu no estudo sobre a avaliação da transparência semântica, tendo sido identificadas oportunidades de melhoria para a sintaxe concreta desta linguagem através de um conjunto de questionários. O outro estudo em que se pretende comparar o SEA_ML++ com uma outra LDE, pretendeu-se avaliar a forma como os participantes interagem com ambas as linguagens, sendo que posteriormente foram analisadas algumas métricas como a taxa de sucesso, esforço e dados de eye-tracking recolhidos durante o processo experimental. Os resultados obtidos indicam que os participantes apresentam uma maior taxa de satisfação ao desenvolver um SMA com o SEA_ML++. Contudo, existe um maior esforço cognitivo e uma maior complexidade no uso desta linguagem. No final, foram propostas algumas melhorias na linguagem SEA_ML++, de modo a fortalecer a linguagem no ponto de vista da sua usabilidade.

Multi-Agent Systems (SMA) form a sub-area of Distributed Artificial Intelligence and focus on the study of agents in order to solve their problems to achieve certain objectives. The Semantic Web Enabled Agent Modeling Language (SEA_ML) is a Domain-Specific Language (LDE) used so far for educational purposes that allows SMA to be created at a high level of abstraction. This LDE was created with the need to solve problems related to the productivity of the developers. Although having reduced expressiveness in computational terms, since it is intended to be more abstract, it allows manipulating domain concepts. This is built with the purpose of being closer to the way of thinking of the users of a particular domain. For an LDE to contribute to the productivity of its users, it has to guarantee usability, and of course it must comply with usability requirements. Usability is related to Person Machine Interaction (IPM), a study on how technology influences human activities, whose goal is for users to achieve their goals with efficiency, effectiveness and satisfaction. Although an evaluation has been made and consequently an improvement in the SEA_ML notations, it is verified that the users of this one continue to present a high degree of difficulty in the learning and use of this language, pointing the lack of usability as the main problem. In order to identify, and if possible to correct, the usability problem, a work presented in this dissertation was included, which includes a second iteration to the evaluation of the usability of the SEA_ML language. Two experiments were carried out. The first one consisted of the study on the evaluation of semantic transparency, and opportunities for improvement were identified for the concrete syntax of this language through a set of questionnaires. The other study in which SEA_ML++ is intended to be compared with another LDE was to evaluate the way in which the participants interact with both languages. Some metrics such as the success rate, effort and eye-tracking data collected during the experimental process. The results indicate that the participants present a higher satisfaction rate when developing an SMA with SEA_ML++. However, there is a greater cognitive effort and a greater complexity in the use of this language. In the end, some improvements were proposed in the SEA_ML++ language, in order to strengthen the language in the point of view of its usability.