Agente de IA para Desenvolvimento de Avaliações Formativas

Sugerir formatos e conteúdos de avaliação que promovam o aprendizado contínuo.

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 dados sobre o progresso dos alunos e objetivos de aprendizado via API. Na fase de testes, os dados serão enviados para o agente diretamente por upload de um csv na interface da Prototipe AI, para acelerar o processo de validação.
• Tipo do input: Dados estruturados sobre o progresso dos alunos e seus objetivos de aprendizado.
• 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 até 25.000 caracteres.

1.3.2 Especificação do Output

• Formato de output: O output deve ser um texto em **Markdown** com sugestões de formatos e conteúdos de avaliação. A estrutura deve incluir uma lista de sugestões categorizadas por tipo de atividade.
• Exemplo de Estrutura de Output:

   - **Questionário Online:** Perguntas de múltipla escolha sobre o tema X.
  - **Atividade Prática:** Trabalho em grupos para aplicar conceitos aprendidos.
  - **Sessão de Autoavaliação:** Perguntas abertas para reflexão pessoal. 

• 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 subsequente.
• Visibilidade da Resposta: A resposta gerada por este agente deve ser visível para o Agente de Análise de Resultados de Avaliações (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Análise de Resultados de Avaliações (RF 2).

Analisar os resultados das avaliações para fornecer insights sobre o progresso dos alunos.

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: Este agente deve ser apto a receber resultados das avaliações em formato JSON.
• Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
• Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 10.000 caracteres.

2.3.2 Especificação do Output

• Formato de output: O output deve ser um texto em **Markdown** com insights detalhados sobre o progresso dos alunos. A estrutura deve incluir uma análise categorizada por padrões de aprendizado, áreas de sucesso e recomendações.
• Exemplo de Estrutura de Output:

   - **Padrões de Aprendizado:** Alunos mostram melhoria constante em matemática, mas dificuldade em ciências.
  - **Áreas de Sucesso:** Notas altas em habilidades de leitura.
  - **Recomendações:** Reforçar ensino em ciências com atividades práticas adicionais. 

• Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 2.500 caracteres.

2.3.3 Parâmetros de Geração

• Modelo: GPT-5
• Temperatura: 0.6

2.3.4 Ferramentas do Agente

• Documentos: Não consulta documentos externos.
• Calculadora: Não utiliza.
• Busca Online: Não utiliza.
• Sistemas Externos: Não se conecta a sistemas externos.

2.3.5 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 deve ser visível para o Agente de Apoio na Adaptação de Estratégias de Ensino (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Apoio na Adaptação de Estratégias de Ensino (RF 3).

Apoiar os educadores na adaptação das estratégias de ensino com base nos dados coletados.

3.3.1 Especificação do Input

• Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 2).
• Tipo do input: Este agente deve ser apto a receber insights sobre o progresso dos alunos e estratégias de ensino atuais.
• Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .md (Markdown).
• Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 5.000 caracteres.

3.3.2 Especificação do Output

• Formato de output: O output deve ser um texto em **Markdown** com recomendações de adaptação de estratégias de ensino. A estrutura deve incluir sugestões categorizadas por tipo de ajuste e inovação pedagógica.
• Exemplo de Estrutura de Output:

   - **Ajuste nas Estratégias de Ensino:** Incorporar mais atividades práticas em ciências para reforçar o aprendizado.
  - **Práticas Pedagógicas Inovadoras:** Utilizar simuladores online para experimentos científicos.
  - **Sugestões Práticas:** Implementar sessões de feedback frequentes para monitorar o progresso dos alunos. 

• Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 2.000 caracteres.

3.3.3 Parâmetros de Geração

• Modelo: GPT-5
• Temperatura: 0.6

3.3.4 Ferramentas do Agente

• Documentos: Não consulta documentos externos.
• Calculadora: Não utiliza.
• Busca Online: Não utiliza.
• Sistemas Externos: Não se conecta a sistemas externos.

3.3.5 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 é passada para outros agentes internos.

3.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo, disponibilizando as recomendações de adaptação de estratégias de ensino ao educador.