PrototipeAI | Agente de IA para Avaliação de Métodos de Ensino

1. Propósito e Escopo

Este documento define todos os prompts e detalhes de requisitos para um Fluxo de Agentes "Avaliação de Métodos de Ensino", uma solução de automação projetada para analisar a eficácia de diferentes métodos de ensino através da análise de resultados de testes e feedback de 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 integrar dados de testes e feedbacks dos alunos para fornecer uma avaliação objetiva e abrangente dos métodos de ensino aplicados.

2. Contexto e Problema

Cenário Atual

As instituições educacionais enfrentam desafios significativos na avaliação objetiva da eficácia de diferentes métodos de ensino. Atualmente, os resultados de testes e os feedbacks dos alunos são analisados de forma isolada, o que dificulta uma visão integrada e precisa sobre o impacto real dos métodos de ensino.

Problemas Identificados

Dificuldade de Avaliação: A avaliação da eficácia dos métodos de ensino é subjetiva e carece de integração entre dados qualitativos e quantitativos.
Falta de Integração: Os resultados de testes e feedbacks dos alunos são tratados de forma separada, impedindo uma análise abrangente.

3. Impactos Esperados

A implementação deste fluxo de automação visa alcançar os seguintes resultados:

Fornecer uma avaliação objetiva e abrangente dos métodos de ensino.
Integrar dados de testes e feedbacks dos alunos para uma análise mais precisa.
Melhorar a qualidade do ensino através de insights baseados em dados concretos.

4. Visão Geral da Solução

O agente de IA para avaliação de métodos de ensino processa dados de resultados de testes e feedbacks dos alunos, aplica regras para integrar essas informações e fornece uma análise objetiva da eficácia dos métodos de ensino. 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 avaliação de métodos de ensino.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a análise dos resultados de testes e é complementado pela análise dos feedbacks dos alunos.

Agentes	Função Principal
`Agente de Análise de Resultados de Testes` (RF 1)	Analisar os resultados de testes para avaliar a eficácia de métodos de ensino.
`Agente de Análise de Feedback dos Alunos` (RF 2)	Analisar feedbacks dos alunos para complementar a avaliação dos métodos de ensino.

5. Protótipos

Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram tanto o fluxo de trabalho dos agentes quanto o resultado final que o cliente receberá. Explore os links abaixo para entender melhor a solução em ação.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Análise de Resultados de Testes

1.1 Tarefa do Agente

Analisar os resultados de testes para avaliar a eficácia de métodos de ensino.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo resultados de testes em formato de planilha. Esses dados representam o desempenho dos alunos em relação aos métodos de ensino aplicados.

# 2. Objetivo
Analisar os resultados de testes para avaliar a eficácia dos métodos de ensino.

# 3. Regras que você deve seguir para gerar sua resposta
- Analise cada resultado de teste individualmente em relação aos benchmarks estabelecidos para cada método de ensino.
- Identifique padrões de desempenho e discrepâncias significativas.
- Registre no output a eficácia relativa de cada método de ensino com base nos resultados quantitativos dos testes.
- Integre os resultados dos testes com feedbacks para uma avaliação mais abrangente.

# 4. Exemplo de Output que você deve produzir
**Eficiência dos Métodos de Ensino:**
1. Método A: 85% de eficácia
2. Método B: 75% de eficácia
3. Método C: 90% de eficácia

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 resultados de testes em formato de planilha via API. 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: Resultados de testes em formato de planilha.
Formatos Suportados: Esse agente deve ser capaz de receber planilhas nos formatos: .csv, .xlsx.
Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 50.000 caracteres.

1.3.2 Especificação do Output

Formato de output: O output deve ser um texto formatado em **Markdown**. A estrutura deve iniciar com um cabeçalho contendo os resultados de eficácia de cada método de ensino.

Exemplo de Estrutura de Output:

 **Eficiência dos Métodos de Ensino:**
1. Método A: 85% de eficácia
2. Método B: 75% de eficácia
3. Método C: 90% de eficácia

Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 3.000 caracteres.

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.
Visibilidade da Resposta: A resposta gerada por este agente deve ser visível para o Agente de Análise de Feedback dos Alunos (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Análise de Feedback dos Alunos (RF 2).

RF 2. Agente de Análise de Feedback dos Alunos

2.1 Tarefa do Agente

Analisar feedbacks dos alunos para complementar a avaliação dos métodos de ensino.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo feedbacks dos alunos em formato de texto ou planilha. Esses dados representam as percepções dos alunos sobre os métodos de ensino aplicados.

# 2. Objetivo
Analisar feedbacks dos alunos para complementar a avaliação dos métodos de ensino.

# 3. Regras que você deve seguir para gerar sua resposta
- Classifique os feedbacks dos alunos por tipo de comentário (positivo, negativo, sugestão) e associe cada feedback ao método de ensino correspondente.
- Identifique temas recorrentes e insights qualitativos que possam impactar a avaliação dos métodos de ensino.
- Integre os resultados da análise com os dados dos testes para fornecer uma visão completa da eficácia dos métodos de ensino.
- Combine insights qualitativos e quantitativos para recomendações práticas.

# 4. Exemplo de Output que você deve produzir
**Feedback dos Alunos sobre os Métodos de Ensino:**
- Método A: Positivos - 20, Negativos - 5, Sugestões - 3
- Método B: Positivos - 15, Negativos - 10, Sugestões - 8
- Método C: Positivos - 30, Negativos - 2, Sugestões - 1

2.3 Configurações do Agente

2.3.1 Especificação do Input

Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 1).
Tipo do input: Feedbacks dos alunos em formato de texto ou planilha.
Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .txt, .csv, .xlsx.
Número de caracteres esperado: Este agente deve ter capacidade para processar um input combinado de até 25.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser um texto formatado em **Markdown**. A estrutura deve detalhar o feedback dos alunos, categorizado por tipo de comentário e associado a cada método de ensino.