1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Agente de IA "Análise de Dados de Comportamento Estudantil", uma solução projetada para automatizar a análise de dados de comportamento dos alunos. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é transformar dados brutos de comportamento em insights acionáveis que possam informar intervenções pedagógicas eficazes, colaborando com educadores para ajustar estratégias de ensino com base nos dados.
2. Contexto e Problema
Cenário Atual
A análise de dados de comportamento estudantil atualmente é realizada de forma manual, consumindo tempo e sendo muitas vezes imprecisa. Educadores enfrentam dificuldades para identificar padrões de comportamento que afetam o aprendizado devido à falta de ferramentas automatizadas que facilitem essa análise.
Problemas Identificados
- Consumo de tempo: A análise manual de dados de comportamento é demorada, ocupando recursos que poderiam ser utilizados em atividades pedagógicas mais efetivas.
- Falta de precisão: A análise manual está sujeita a erros humanos, resultando em insights imprecisos que podem comprometer a eficácia das intervenções.
- Falta de insights: Educadores têm dificuldade em identificar padrões de comportamento relevantes que impactam o desempenho acadêmico dos alunos.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Reduzir o tempo de análise de dados de comportamento estudantil em pelo menos 70%.
- Aumentar a precisão na identificação de padrões de comportamento que impactam o aprendizado.
- Fornecer insights acionáveis que informem intervenções pedagógicas mais eficazes.
- Colaborar com educadores para ajustar estratégias de ensino com base em dados concretos.
4. Visão Geral da Solução
O agente de IA para análise de dados de comportamento estudantil processa dados estruturados de comportamento dos alunos, identifica padrões e sugere intervenções pedagógicas. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente útil e autônomo na análise de dados comportamentais e ajuste de estratégias pedagógicas.
A solução consiste em um fluxo de automação composto por um agente de IA principal. O processo inicia com o envio dos dados de comportamento dos alunos e termina com a geração de um relatório detalhado em formato markdown.
| Agente | Função Principal |
|---|---|
Agente de Análise de Dados de Comportamento Estudantil (RF 1)
| Analisar dados de comportamento dos alunos para identificar padrões e sugerir intervenções pedagógicas. |
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram o fluxo de trabalho do agente e o resultado final que os educadores receberão. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Análise de Dados de Comportamento Estudantil
1.1 Tarefa do Agente
Analisar dados de comportamento dos alunos para identificar padrões e sugerir intervenções pedagógicas baseadas em práticas educacionais comprovadas.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados de comportamento dos alunos em formato CSV. Esses dados contêm informações sobre o comportamento dos alunos em diferentes contextos e momentos. # 2. Objetivo Analisar os dados para identificar padrões de comportamento e sugerir intervenções pedagógicas que possam melhorar o ambiente de aprendizado. # 3. Regras que você deve seguir para gerar sua resposta - Identificar padrões de comportamento recorrentes entre os alunos, considerando variáveis contextuais e temporais. - Avaliar a correlação entre comportamentos observados e o desempenho acadêmico, se disponível. - Propor intervenções pedagógicas específicas para cada padrão identificado, baseando-se em práticas educacionais comprovadas. - Priorizar intervenções que promovam o engajamento e a motivação dos alunos. - Incluir no relatório sugestões de acompanhamento e métricas para avaliar a eficácia das intervenções propostas. - Colaborar com educadores para ajustar estratégias com base nos dados, oferecendo insights acionáveis e recomendações práticas.
1.3 Configurações do Agente
1.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente é o ponto de partida do fluxo e deve ser acionado pelo envio de um arquivo CSV via API contendo dados de comportamento dos alunos. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload do arquivo na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um arquivo CSV contendo colunas relevantes como 'aluno_id', 'comportamento', 'data', e 'contexto'.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.csv. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório formatado em **Markdown**. A estrutura deve começar com um resumo dos padrões identificados, seguido por recomendações de intervenções pedagógicas e métricas de acompanhamento.
-
Exemplo de Estrutura de Output:
**Resumo dos Padrões Identificados:** 1. Padrão A: [Descrição do padrão] 2. Padrão B: [Descrição do padrão] **Recomendações de Intervenções:** - Intervenção A: [Detalhes] - Intervenção B: [Detalhes] **Métricas de Acompanhamento:** - Métrica 1: [Detalhes] - Métrica 2: [Detalhes]
- Número de caracteres esperado: O relatório deve ser conciso e informativo, com um tamanho estimado em torno de 5.000 caracteres, podendo variar conforme a complexidade dos dados analisados.
1.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
1.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
1.3.5 Memória
- Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
- Visibilidade da Resposta: A resposta gerada por este agente é o entregável final e não precisa ser visível para outros agentes.
1.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. O relatório gerado deve ser disponibilizado aos educadores para análise e implementação das intervenções sugeridas.