Agente de IA para Detecção de Necessidades Educacionais Especiais

16 de December de 2025 • Tempo de leitura: 5 min

Como criar um agente de IA que analisa dados de desempenho dos alunos e identifica sinais de que uma criança pode precisar de apoio educacional especializado.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para um agente de IA projetado para detectar necessidades educacionais especiais em 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 analisar dados de desempenho acadêmico e comportamental dos alunos para identificar sinais de que uma criança pode necessitar de apoio educacional especializado, comunicando de forma proativa aos educadores e famílias sobre possíveis necessidades detectadas.

2. Contexto e Problema

Problemas Específicos

O sistema educacional enfrenta desafios significativos na identificação precoce de necessidades educacionais especiais devido a:

  • Identificação tardia de necessidades educacionais especiais.
  • Falta de análise precisa de dados de desempenho dos alunos.

Esses problemas resultam em atrasos na intervenção e no suporte adequados para os alunos que mais precisam, impactando negativamente seu desenvolvimento acadêmico e social.

3. Impactos Esperados

A implementação deste agente de IA visa alcançar os seguintes resultados:

  • Identificação precoce de sinais de necessidades educacionais especiais.
  • Melhoria na precisão da análise de dados de desempenho dos alunos.
  • Comunicação proativa com educadores e famílias sobre possíveis necessidades detectadas.
  • Aumento do suporte e intervenção adequados para alunos em necessidade.

4. Visão Geral da Solução

O agente de IA para detecção de necessidades educacionais especiais analisa dados de desempenho acadêmico e comportamental dos alunos para identificar padrões que possam indicar a necessidade de apoio educacional especializado. 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 identificação de necessidades educacionais especiais.

A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a padronização e qualidade dos dados do aluno e termina com a geração de um sumário executivo para a equipe multidisciplinar.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.

Agentes Função Principal
Agente de Padronização e Qualidade dos Dados do Aluno (RF 1) Receber dados de desempenho acadêmico e comportamental, higienizar e padronizar para análise consistente.
Agente de Detecção de Sinais de Necessidades Educacionais Especiais (RF 2) Analisar o conjunto padronizado para identificar sinais e padrões de possíveis necessidades de apoio educacional.
Agente de Priorização e Plano de Ação Pedagógico (RF 3) Converter sinais e níveis de risco em um plano de ação pedagógico inicial.
Agente Redator de Comunicação para Educadores e Famílias (RF 4) Gerar comunicações distintas e adequadas sobre os sinais observados e o plano proposto.
Agente de Sumário Executivo para Equipe Multidisciplinar (RF 5) Produzir um sumário estruturado dos achados e intervenções propostas para discussão de equipe.

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.

6. Requisitos Funcionais

RF 1. Agente de Padronização e Qualidade dos Dados do Aluno

1.1 Tarefa do Agente

Receber dados de desempenho acadêmico e comportamental em formatos diversos, higienizar e padronizar o conjunto para análise consistente.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados brutos de desempenho acadêmico e comportamental de alunos. Estes dados incluem informações como notas, frequência, ocorrências comportamentais e observações pedagógicas.

# 2. Objetivo
Higienizar e padronizar os dados recebidos para que possam ser analisados de forma consistente e comparável ao longo do tempo e entre turmas/séries.

# 3. Regras que você deve seguir para gerar sua resposta
- Aceitar apenas dados dentro da janela de análise; descartar itens fora do período e registrar em inconsistências detectadas.
- Padronizar escalas de notas para 0–10 usando mapeamento explícito.
- Deduplicar avaliações pela combinação {disciplina, data, fonte}; manter o de fonte oficial definida em prioridade.
- Calcular taxa de presença como presenças/(presenças+faltas).
- Mapear categorias de comportamento para uma taxonomia comum.
- Exigir suficiência de dados mínima por aluno.
- Não inferir nem criar dados sensíveis; se campos críticos ausentes, lançar inconsistências.

# 4. Exemplo de Output que você deve produzir
JSON normalizado por aluno com: schema_unificado {aluno_id, turma_id, serie}, avaliacoes_norm[{disciplina, data, escala_padronizada_0a10, peso, fonte}], frequencia_norm {taxa_presenca, faltas_nao_justificadas_30d, faltas_totais_janela}, comportamento_norm[{categoria, data, gravidade_1a5}], observacoes_tokenizadas, janela_analise {inicio, fim}, qualidade_dados {completude_por_campo, inconsistencias_detectadas[], registros_duplicados_removidos, campos_imputados[], suficiencia_minima: true|false, motivos_suficiencia[]}. 
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 dados de desempenho dos alunos via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que 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 em formato JSON com registros brutos por aluno.
  • 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 texto com até 50.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON normalizado por aluno, contendo dados padronizados e organizados para análise.
  • Exemplo de Estrutura de Output:
     {
      "schema_unificado": {"aluno_id": "123", "turma_id": "456", "serie": "7"},
      "avaliacoes_norm": [{"disciplina": "Matemática", "data": "2025-12-01", "escala_padronizada_0a10": 8.5, "peso": 1, "fonte": "sistema_escolar"}],
      "frequencia_norm": {"taxa_presenca": 0.95, "faltas_nao_justificadas_30d": 1, "faltas_totais_janela": 3},
      "comportamento_norm": [{"categoria": "atenção", "data": "2025-12-01", "gravidade_1a5": 2}],
      "observacoes_tokenizadas": "Participativo em sala.",
      "janela_analise": {"inicio": "2025-09-01", "fim": "2025-12-15"},
      "qualidade_dados": {"completude_por_campo": 0.98, "inconsistencias_detectadas": [], "registros_duplicados_removidos": 2, "campos_imputados": [], "suficiencia_minima": true, "motivos_suficiencia": []}
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 3.000 caracteres, podendo variar conforme a quantidade de dados por aluno.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

1.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para calcular taxas e padronizações.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Detecção de Sinais de Necessidades Educacionais Especiais (RF 2).

RF 2. Agente de Detecção de Sinais de Necessidades Educacionais Especiais

2.1 Tarefa do Agente

Analisar o conjunto padronizado por aluno para identificar sinais e padrões consistentes com possíveis necessidades de apoio educacional especializado.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um conjunto de dados padronizados por aluno, incluindo informações acadêmicas e comportamentais.

# 2. Objetivo
Identificar sinais e padrões que possam indicar a necessidade de apoio educacional especializado, atribuindo escores de risco por domínio e uma confiança da sinalização.

# 3. Regras que você deve seguir para gerar sua resposta
- Não emitir diagnóstico nem usar terminologia clínica; registrar somente ‘sinais’ e ‘padrões observados’.
- Calcular desvios acadêmicos por disciplina como diferença padronizada frente à média da turma/série.
- Detectar tendência (queda) quando existir decréscimo ≥15% na escala 0–10 ao longo de pelo menos 3 pontos sequenciais.
- Integrar frequência na análise de desempenho.
- Sinalizar quando houver ≥3 ocorrências na mesma categoria de taxonomia em 30 dias com gravidade média (≥3).

# 4. Exemplo de Output que você deve produzir
JSON com: aluno_id, sinais_detectados[{dominio: "academico|comportamental|linguagem|atencao|funcao_executiva|socioemocional", indicador, evidencias[{fonte, data, valor}]}], escores_risco_por_dominio {dominio: 0-100}, nivel_risco_global {baixo|moderado|alto}, confianca_0a1, motivos_chave[], vieses_verificados {uso_atributos_sensiveis:false, impacto_ausencias_considerado:true}, requisitos_dados_adicionais[], pode_prosseguir_para_plano:true|false. 
2.3 Configurações do Agente

2.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 1).
  • Tipo do input: JSON normalizado por aluno proveniente do Agente de Padronização e Qualidade dos Dados do Aluno.
  • 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 texto com até 3.000 caracteres por aluno.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com sinais detectados e escores de risco por domínio.
  • Exemplo de Estrutura de Output:
     {
      "aluno_id": "123",
      "sinais_detectados": [{"dominio": "academico", "indicador": "desempenho abaixo da média", "evidencias": [{"fonte": "avaliacao", "data": "2025-12-01", "valor": "5"}]}],
      "escores_risco_por_dominio": {"academico": 80, "comportamental": 50},
      "nivel_risco_global": "moderado",
      "confianca_0a1": 0.7,
      "motivos_chave": ["desempenho acadêmico consistentemente baixo"],
      "vieses_verificados": {"uso_atributos_sensiveis": false, "impacto_ausencias_considerado": true},
      "requisitos_dados_adicionais": [],
      "pode_prosseguir_para_plano": true
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.000 caracteres por aluno.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para calcular escores e detectar padrões.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Priorização e Plano de Ação Pedagógico (RF 3).

RF 3. Agente de Priorização e Plano de Ação Pedagógico

3.1 Tarefa do Agente

Converter sinais e níveis de risco em um plano de ação pedagógico inicial, com intervenções proporcionais, prazos, responsáveis e critérios de acompanhamento.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de sinais detectados e escores de risco por domínio de alunos.

# 2. Objetivo
Converter esses dados em um plano de ação pedagógico inicial, com intervenções proporcionais, prazos, responsáveis e critérios de acompanhamento.

# 3. Regras que você deve seguir para gerar sua resposta
- Mapear nivel_risco_global para prioridade.
- Selecionar intervenções de menor restrição primeiro (Tier 1/2).
- Definir critérios de sucesso com metas quantitativas.
- Considerar contexto e ausências elevadas.

# 4. Exemplo de Output que você deve produzir
JSON com: aluno_id, prioridade {baixa|media|alta}, objetivos_aprendizagem_especificos[], intervencoes_recomendadas[{dominio, tipo_intervencao, descricao, duracao_semanas, frequencia, responsavel, adaptacoes_acessibilidade?}], criterios_sucesso[{indicador, meta_quantitativa, prazo_semana}], agenda_acompanhamento[{data_sugerida, foco}], exigencias_formais[{item, necessario:true|false}], observacoes_eticas_e_de_linguagem[]. 
3.3 Configurações do Agente

3.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 2).
  • Tipo do input: JSON de saída do Agente de Detecção de Sinais, incluindo sinais_detectados, escores_risco_por_dominio, nivel_risco_global.
  • 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 texto com até 2.000 caracteres por aluno.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com o plano de ação pedagógico inicial.
  • Exemplo de Estrutura de Output:
     {
      "aluno_id": "123",
      "prioridade": "alta",
      "objetivos_aprendizagem_especificos": ["Melhorar a média de leitura para 7,0 em 8 semanas"],
      "intervencoes_recomendadas": [{"dominio": "academico", "tipo_intervencao": "reforço", "descricao": "Aulas de reforço em matemática", "duracao_semanas": 8, "frequencia": "2x por semana", "responsavel": "professor"}],
      "criterios_sucesso": [{"indicador": "média de leitura", "meta_quantitativa": "7,0", "prazo_semana": 8}],
      "agenda_acompanhamento": [{"data_sugerida": "2025-12-30", "foco": "avaliação de progresso"}],
      "exigencias_formais": [{"item": "consentimento dos pais", "necessario": true}],
      "observacoes_eticas_e_de_linguagem": []
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.500 caracteres por aluno.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para definir metas e prazos.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente Redator de Comunicação para Educadores e Famílias (RF 4).

RF 4. Agente Redator de Comunicação para Educadores e Famílias

4.1 Tarefa do Agente

Gerar comunicações distintas e adequadas ao público sobre os sinais observados e o plano proposto, usando linguagem clara e não estigmatizante.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados sobre planos de ação pedagógicos para alunos com sinais de necessidades educacionais especiais.

# 2. Objetivo
Gerar comunicações distintas para educadores e famílias sobre os sinais observados e o plano proposto.

# 3. Regras que você deve seguir para gerar sua resposta
- Somente acionar quando prioridade for média ou alta.
- Evitar termos diagnósticos; focar em comportamentos observáveis.
- Para educadores: listar sinais objetivos, intervenções propostas e critérios de sucesso.
- Para famílias: usar linguagem simples, destacar pontos positivos e explicar próximos passos.

# 4. Exemplo de Output que você deve produzir
JSON com: comunicacao_para_educadores {assunto, resumo_objetivo, pontos_chave[], plano_sintetico, pedidos_acoes_imediatas[], tom:"colaborativo"}, comunicacao_para_familias {assunto, mensagem_clara, progresso_atual, como_a_familia_pode_ajudar[], convite_reuniao {sugerir_datas[], canal}}, linguagem_inclusiva_checks {sem_rotulos:true, leitura_facilitada:true}. 
4.3 Configurações do Agente

4.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 3).
  • Tipo do input: JSON do Agente de Priorização e Plano de Ação Pedagógico.
  • 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 texto com até 2.500 caracteres por aluno.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com comunicações para educadores e famílias.
  • Exemplo de Estrutura de Output:
     {
      "comunicacao_para_educadores": {"assunto": "Plano de Ação Pedagógico", "resumo_objetivo": "Identificamos sinais que requerem atenção.", "pontos_chave": ["Desempenho abaixo da média em Matemática"], "plano_sintetico": "Intervenções de reforço serão iniciadas.", "pedidos_acoes_imediatas": ["Aplicar estratégia X 3x/semana"], "tom": "colaborativo"},
      "comunicacao_para_familias": {"assunto": "Progresso e Próximos Passos", "mensagem_clara": "Identificamos algumas áreas que necessitam de atenção.", "progresso_atual": "Intervenções foram planejadas.", "como_a_familia_pode_ajudar": ["Incentivar a leitura diária"], "convite_reuniao": {"sugerir_datas": ["2025-12-20", "2025-12-21"], "canal": "online"}},
      "linguagem_inclusiva_checks": {"sem_rotulos": true, "leitura_facilitada": true}
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 3.000 caracteres por aluno.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Sumário Executivo para Equipe Multidisciplinar (RF 5).

RF 5. Agente de Sumário Executivo para Equipe Multidisciplinar

5.1 Tarefa do Agente

Produzir um sumário estruturado dos achados, intervenções propostas e próximos passos, para subsidiar discussão de equipe escolar/multidisciplinar.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados combinados de sinais detectados e planos de ação pedagógicos.

# 2. Objetivo
Produzir um sumário objetivo e estruturado dos achados, intervenções propostas e próximos passos para discussão de equipe escolar/multidisciplinar.

# 3. Regras que você deve seguir para gerar sua resposta
- Somente acionar quando nivel_risco_global=alto.
- Priorizar evidências recentes e multifuente.
- Definir urgencia com base na combinação de risco e tendência.

# 4. Exemplo de Output que você deve produzir
JSON com: sumario_executivo {aluno_id, nivel_risco_global, confianca, dominios_afetados[], principais_evidencias[], plano_resumido[], pendencias_de_dados[], recomendacao_reuniao_equipa:true|false, urgencia {baixa|media|alta}}. 
5.3 Configurações do Agente

5.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 4).
  • Tipo do input: JSON combinando saídas dos agentes de Detecção e de Plano.
  • 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 texto com até 3.000 caracteres por aluno.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com o sumário executivo.
  • Exemplo de Estrutura de Output:
     {
      "sumario_executivo": {
        "aluno_id": "123",
        "nivel_risco_global": "alto",
        "confianca": 0.85,
        "dominios_afetados": ["academico", "comportamental"],
        "principais_evidencias": ["Desempenho consistentemente baixo em Matemática"],
        "plano_resumido": ["Intervenções de reforço em andamento"],
        "pendencias_de_dados": [],
        "recomendacao_reuniao_equipa": true,
        "urgencia": "alta"
      }
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.500 caracteres por aluno.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para definir urgência e priorização.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

5.3.5 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.

5.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O sumário gerado é o resultado que deve ser disponibilizado à equipe multidisciplinar.

© 2025 prototipe.ai. Todos os direitos reservados.