Algoritmos de aprendizado semissupervisionado podem ser aplicados em domínios em que poucos exemplos rotulados e uma vasta quantidade de exemplos não rotulados estão disponíveis. Uma poderosa abordagem ao aprendizado semissupervisionado, denominada aprendizado multidescrição, pode ser usada sempre que os exemplos de treinamento são descritos por dois ou mais conjuntos de atributos disjuntos. O CO-TRAINING é o principal algoritmo semissupervisionado multidescrição disponível atualmente. No entanto, ele apresenta um problema que pode surgir quando os classificadores em cada descrição discordam com alta confiança na classificação de um exemplo. Em (Braga, 2010) foram propostas e avaliadas duas soluções para lidar com esse problema. Uma dessas soluções é o algoritmo COAL, cuja implementação usando o ambiente Weka é descrita neste relatório.