1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Elaboração de Relatórios de Desempenho Estudantil", uma solução de automação projetada para analisar dados de avaliações contínuas e gerar relatórios de desempenho individualizados para 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 avaliações em relatórios detalhados que destacam áreas de melhoria e competências atingidas, oferecendo insights claros e objetivos sobre o desempenho dos alunos.
2. Contexto e Problema
Cenário Atual
A educação moderna enfrenta desafios significativos na personalização e eficiência da análise de desempenho dos alunos. Atualmente, o processo de consolidação dos dados de avaliações contínuas é demorado e sujeito a erros manuais. As escolas precisam de uma solução automatizada que possa:
- Consolidar dados de avaliações contínuas de forma eficiente e precisa.
- Personalizar relatórios de desempenho para cada aluno.
- Identificar áreas de melhoria e competências atingidas de forma precisa.
O processo atual é manual e consome muito tempo, o que limita a capacidade dos educadores de fornecer feedback personalizado e eficaz aos alunos e suas famílias.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Reduzir o tempo de geração de relatórios em pelo menos 70%.
- Melhorar a precisão na identificação de áreas de melhoria e competências atingidas.
- Aumentar a personalização dos relatórios de desempenho escolar.
- Facilitar o acesso a insights claros e objetivos sobre o desempenho dos alunos.
4. Visão Geral da Solução
O agente de IA para elaboração de relatórios de desempenho estudantil processa dados de avaliações contínuas, aplica regras de análise automática e prepara relatórios individualizados para cada aluno. 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 geração de relatórios escolares que seguem as especificidades do seu sistema educacional.
A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a padronização e validação dos dados de avaliações e termina com a geração de relatórios individualizados prontos para entrega.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Padronização e Validação de Dados de Avaliações (RF 1)
| Receber dados de avaliações contínuas e produzir um conjunto padronizado e consistente para análise. |
Agente de Cálculo de Indicadores e Diagnóstico de Desempenho (RF 2)
| Calcular indicadores por aluno e por competência, identificando forças e lacunas. |
Agente Gerador de Relatórios Individualizados (RF 3)
| Produzir relatórios por aluno com síntese executiva, competências atingidas e áreas de melhoria. |
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 Validação de Dados de Avaliações
1.1 Tarefa do Agente
Receber dados de avaliações contínuas em formatos variados e produzir um conjunto padronizado, consistente e pronto para análise por aluno e por competência.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um conjunto de registros de avaliações contínuas. Este conjunto inclui dados como aluno_id, avaliacao_id, data_avaliacao, nota, entre outros.
# 2. Objetivo
Padronizar e validar esses dados para garantir a consistência e a prontidão para análise subsequente.
# 3. Regras que você deve seguir para gerar sua resposta
- Aceite datas em múltiplos formatos; converta para ISO 8601 (YYYY-MM-DD). Se não for possível parsear, descarte o registro e registre o motivo.
- Normalização de notas: se escala_maxima existir e for > 0, nota_normalizada = (nota/escala_maxima)*100; se ausência de escala_maxima mas nota <= 10, considere escala 10; se nota <= 5, considere escala 5; se nota já entre 0-100 e qualquer escala_maxima ausente, mantenha (0-100). Registre origem_escala = {fornecida|inferida_10|inferida_5|assumida_100}.
- Trate textos comuns de nota: "A", "B", "C", "D", "E" mapeados para 90, 80, 70, 60, 50 respectivamente; "aprovado"=75, "reprovado"=40, "satisfatório"=70, "insatisfatório"=40. Registre mapeamento aplicado; se valor textual desconhecido, descarte com motivo.
- Pesos: se peso ausente ou inválido, defina 1. Se peso < 0, corrija para 0 e registre correção. Limite peso máximo em 5; se maior, trunque para 5 e registre.
- Faltas: se flag_falta=true e nota ausente, não gere nota_normalizada e marque registro como faltante_ignoravel=true; esse registro não entra em médias. Se flag_falta=true mas existe nota, mantenha a nota e registre inconsistência_corrigida.
- Duplicidades: se houver duplicata por (aluno_id, avaliacao_id), retenha a tentativa mais recente (maior tentativa; se ausente, retenha maior data). Registre descartes de duplicatas.
- Outliers: se nota_normalizada fora de [0,100], recorte para o limite (0 ou 100) e registre correção_outlier.
- Competências: priorize competencia_id; se ausente mas competencia_nome existir e houver dicionário de mapeamento, preencha competencia_id; se ambos ausentes, descarte o registro e registre motivo.
- Campos mínimos obrigatórios para manter um registro: aluno_id, avaliacao_id, data válida, nota_normalizada definida (exceto faltante_ignoravel), competencia_id ou competencia_nome. Caso contrário, descarte e registre motivo específico.
- Produza contagens por aluno_id de registros válidos. Inclua lista de avaliacao_id descartados com motivo único e padronizado. 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 avaliações contínuas 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 arquivo na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um conjunto de registros em CSV/JSON com dados de avaliações.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.csv,.json. - 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 JSON com dados normalizados e metadados de validação.
-
Exemplo de Estrutura de Output:
{ "dados_normalizados": [ { "aluno_id": "123", "avaliacao_id": "456", "data": "2023-12-24", "nota_normalizada": 85, "peso": 1, "competencia_id": "789", "competencia_nome": "Matemática", "disciplina_id": "101", "turma_id": "202", "tentativa": 1, "modalidade": "regular", "flag_falta": false, "origem_escala": "fornecida" } ], "metadados_validacao": { "registros_recebidos": 1000, "registros_validos": 950, "registros_descartados": 50, "motivos_descartes": [ { "avaliacao_id": "789", "motivo": "Data inválida" } ], "regras_aplicadas": ["normalizacao_nota", "tratamento_faltas"] } } - Número de caracteres esperado: O JSON final deve ter um tamanho estimado em torno de 5.000 caracteres, podendo variar conforme a quantidade de registros processados.
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 Cálculo de Indicadores e Diagnóstico de Desempenho (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Cálculo de Indicadores e Diagnóstico de Desempenho (RF 2).
RF 2. Agente de Cálculo de Indicadores e Diagnóstico de Desempenho
2.1 Tarefa do Agente
Calcular indicadores por aluno e por competência, identificar forças e lacunas, e classificar o status de domínio por competência.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados normalizados de avaliações contínuas e metadados de validação.
# 2. Objetivo
Calcular indicadores de desempenho para cada aluno e competência, identificando forças e lacunas, e classificando o status de domínio por competência.
# 3. Regras que você deve seguir para gerar sua resposta
- Considere apenas registros com nota_normalizada definida e faltante_ignoravel=false.
- Média ponderada por aluno e por competência: soma(nota_normalizada*peso)/soma(peso). Arredonde para 1 casa decimal.
- Limiar de domínio: default 70 (0-100). status_dominio = {atingida se media >=70; em_desenvolvimento se 50<=media<70; nao_atingida se media<50}. Inclua o limiar no output.
- Mínimo de dados por competência: se n_avaliacoes < 3, marque status_dominio = dados_insuficientes e não calcule tendência.
- Tendência: use até as últimas 5 avaliações cronológicas por competência (janela=5 ou menos). Calcule inclinação simples entre primeira e última nota (ultima - primeira). variacao = ultima - media_janela. Classifique queda_recente se inclinação <= -10 pontos.
- Dispersão: calcule desvio padrão da janela; se desvio_padrao > 15, sinalize instabilidade.
- Forças e oportunidades: forças_top3 = até 3 competências com maior media_ponderada (status atingida), desempate por maior n_avaliacoes; oportunidades_top3 = até 3 com menor media_ponderada (status em_desenvolvimento ou nao_atingida). Não inclua competências com dados_insuficientes.
- Riscos: baixo_engajamento se n_avaliacoes_validas por aluno < 3 no período total; queda_recente conforme regra de tendência; poucos_dados se mais de 40% das competências do aluno estiverem com dados_insuficientes.
- Recência: aplique fator 1.2 para avaliações nos últimos 30 dias e 1.0 para demais ao calcular médias; normalize pesos multiplicando peso_original*fator_recencia. Registre recencia_aplicada=true/false por aluno.
- Trate disciplinas/turmas apenas como contexto; não altere o cálculo por elas, mas mantenha disponíveis no output quando vierem no input. 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: Este agente deve ser apto a receber dados normalizados e metadados de validação.
-
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 JSON com indicadores gerais e por competência para cada aluno.
-
Exemplo de Estrutura de Output:
{ "aluno_id": "123", "indicadores_gerais": { "media_ponderada_geral": 85.0, "n_avaliacoes_validas": 10, "recencia_aplicada": true }, "por_competencia": [ { "competencia_id": "789", "competencia_nome": "Matemática", "media_ponderada": 90.0, "n_avaliacoes": 5, "status_dominio": "atingida", "tendencia_ultimas_avaliacoes": { "janela": 5, "inclinacao": 5.0, "variacao": 2.0 }, "dispersao": { "desvio_padrao": 10.0 } } ], "forcas_top3": ["Matemática"], "oportunidades_top3": ["Ciências"], "flags_risco": { "baixo_engajamento": false, "queda_recente": false, "poucos_dados": false }, "parametros_utilizados": { "limiar_dominio": 70, "janela_tendencia": 5, "min_avaliacoes_por_competencia": 3 } } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.500 caracteres, podendo variar conforme a quantidade de dados analisados.
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 cálculo de indicadores e tendências.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
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 Gerador de Relatórios Individualizados (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente Gerador de Relatórios Individualizados (RF 3).
RF 3. Agente Gerador de Relatórios Individualizados
3.1 Tarefa do Agente
Produzir relatório por aluno com síntese executiva, competências atingidas, áreas de melhoria e recomendações objetivas, pronto para entrega a responsáveis e equipe pedagógica.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo indicadores de desempenho por aluno e por competência. # 2. Objetivo Gerar relatórios individualizados que destacam competências atingidas, áreas de melhoria e fornecem recomendações práticas para cada aluno. # 3. Regras que você deve seguir para gerar sua resposta - Linguagem: clara, objetiva, em PT-BR, tom construtivo e não punitivo. Evite jargões pedagógicos sem explicação. - Resumo executivo: 3 a 5 frases cobrindo pontos fortes, 1-2 áreas prioritárias de desenvolvimento e orientação imediata. - Seleção de competências: use forças_top3 e oportunidades_top3 do diagnóstico. Caso haja empate, priorize maior n_avaliacoes (forças) e menor media (oportunidades). - Recomendações: gere 3 a 5 ações específicas, mensuráveis e factíveis para as 1-2 áreas prioritárias (ex.: "Realizar 3 exercícios de frações equivalentes por semana por 4 semanas"). Cada recomendação deve indicar: foco, frequência, duração e recurso sugerido (genérico, sem links externos se não fornecidos). - Meta SMART: escolha a competência com status nao_atingida ou em_desenvolvimento com maior prioridade; defina valor_meta = média alvo 70 em 30 a 60 dias, conforme severidade da lacuna (média atual <40 -> 60 dias; 40-69 -> 30 dias). Defina criterio_sucesso como média ponderada >= valor_meta com n_avaliacoes>=3 no período. - Evidências: inclua séries temporais resumidas com até 5 últimos pontos por competência prioritária (data, nota_normalizada). Arredonde notas a 1 casa decimal. - Privacidade: não inclua dados de outros alunos; se média da turma não estiver disponível no input, omita comparativos. - Limites: no máximo 5 competências por seção; caso existam mais, selecione as mais relevantes pela regra de priorização. Não invente competências ausentes no input. - Consistência: mantenha o mesmo template e nomes de campos no output para todos os alunos. Valores numéricos devem ser números (não strings). Datas em ISO 8601.
3.3 Configurações do Agente
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 indicadores de desempenho por aluno e por competência.
-
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 15.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON por aluno com resumo executivo, competências atingidas, áreas de melhoria e recomendações.
-
Exemplo de Estrutura de Output:
{ "aluno_id": "123", "resumo_executivo": "O aluno apresentou um excelente desempenho em Matemática, mas precisa focar mais em Ciências.", "competencias_atingidas": ["Matemática", "Inglês"], "areas_de_melhoria": ["Ciências"], "recomendacoes_priorizadas": [ "Realizar 3 exercícios de frações equivalentes por semana por 4 semanas", "Participar de grupos de estudo em Ciências" ], "proxima_meta_smart": { "competencia_alvo": "Ciências", "valor_meta": 70, "prazo_dias": 30, "criterio_sucesso": "média ponderada >= 70 com n_avaliacoes>=3" }, "evidencias_chave": [ { "competencia_id": "789", "notas_recentesserie": [ {"data": "2023-12-01", "nota_normalizada": 60.0}, {"data": "2023-12-15", "nota_normalizada": 65.0} ] } ], "comparativos_opcionais": { "media_aluno": 75.0, "media_turma": 70.0 }, "anexos_graficos": { "serie_geral": "...", "series_por_competencia": "..." } } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 3.500 caracteres, podendo variar conforme os dados de cada 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 cálculo de metas e recomendações.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
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. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.