1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Fluxo de Agentes "Identificação de Alunos com Necessidades Especiais", uma solução de automação projetada para analisar padrões de aprendizado e comportamento 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 identificar precocemente alunos que possam ter necessidades educacionais especiais, sinalizando aqueles que podem precisar de avaliação adicional ou apoio especializado.
2. Contexto e Problema
Problemas Específicos
O sistema educacional atual enfrenta desafios significativos na identificação precoce de alunos que podem ter necessidades educacionais especiais. A falta de recursos para monitorar continuamente o desenvolvimento dos alunos resulta em:
- Dificuldade na identificação precoce de alunos que necessitam de apoio educacional especial.
- Ausência de ferramentas para monitorar o desenvolvimento dos alunos de forma contínua e eficaz.
Além disso, a colaboração entre educadores para adaptar estratégias de ensino é limitada, o que pode impactar negativamente o desenvolvimento acadêmico e social dos alunos.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Identificação precoce de necessidades educacionais especiais para permitir intervenções mais eficazes.
- Monitoramento contínuo do desenvolvimento dos alunos para ajustar estratégias de ensino em tempo real.
- Colaboração aprimorada entre educadores para adaptar as abordagens pedagógicas às necessidades dos alunos.
4. Visão Geral da Solução
O agente de IA para identificação de alunos com necessidades especiais analisa padrões de aprendizado e comportamento, sinaliza alunos que podem precisar de apoio adicional e colabora com educadores para adaptar estratégias 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 identificação de necessidades educacionais especiais.
A solução consiste em um fluxo de automação composto por 6 agentes de IA. O processo inicia com a preparação e padronização dos dados do aluno e termina com a recomendação de estratégias de ensino personalizadas.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Preparação e Padronização de Dados do Aluno (RF 1)
| Receber dados heterogêneos de desempenho e comportamento e produzir um dataset padronizado por aluno/período. |
Agente de Detecção de Padrões Atípicos (RF 2)
| Identificar padrões atípicos e mudanças abruptas nas métricas de aprendizado e comportamento por aluno. |
Agente de Classificação de Risco e Priorização (RF 3)
| Consolidar anomalias por aluno e calcular um score de risco com priorização e recomendação de próximo passo. |
Agente de Sinalização e Resumo para Educadores (RF 4)
| Gerar um alerta compreensível e acionável para educadores, com evidências e sugestões iniciais. |
Agente de Consolidação de Feedback do Educador (RF 5)
| Estruturar o feedback do educador após a sinalização e atualizar o status do caso. |
Agente de Recomendações de Estratégias de Ensino Personalizadas (RF 6)
| Sugerir estratégias pedagógicas e plano de acompanhamento alinhados às necessidades observadas. |
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 os educadores receberão. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Preparação e Padronização de Dados do Aluno
1.1 Tarefa do Agente
Receber dados heterogêneos de desempenho e comportamento e produzir um dataset padronizado por aluno/período com variáveis derivadas e prontas para análise.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados heterogêneos de desempenho e comportamento de alunos. Esses dados incluem eventos e métricas brutas por aluno, como notas, presenças, atrasos, ocorrências disciplinares, participação em aula, envio de tarefas e observações livres. # 2. Objetivo Produzir um dataset padronizado por aluno/período com variáveis derivadas e prontas para análise. # 3. Regras que você deve seguir para gerar sua resposta - Janela de agregação: consolidar dados por semana (segunda a domingo) e por mês; definir periodo_referencia conforme granularidade recebida (priorizar semanal; se <3 observações na semana, cair para mensal). - Notas: calcular nota_media_periodo como média ponderada por peso de avaliação quando disponível; se ausente, média simples; desvio_nota é desvio-padrão das notas no período. - Assiduidade: taxa_presenca = presenças_confirmadas / dias_letivos_no_periodo; taxa_atraso = atrasos / dias_letivos_no_periodo. - Comportamento: freq_ocorrencias = ocorrencias_disciplinares / dias_letivos_no_periodo; score_participacao de 0 a 1 derivado de participação_em_aula normalizada por turma (participacoes_do_aluno / média_da_turma, truncado em [0,2], reescalado para [0,1]). - Tarefas: taxa_tarefas_entregues = tarefas_entregues / tarefas_previstas_no_periodo; se tarefas_previstas=0, definir nulo. - Mudanças semanais: mudanca_nota_wo_w e mudanca_presenca_wo_w = valor_atual - valor_medio_4_semanas_anteriores. - Normalização de contexto: calcular média e desvio por turma e por série para cada métrica; incluir ambos em contexto_normativo. - Tratamento de faltantes: se percentual_faltantes>40% em métricas-chave (nota, presenca), marcar qualidade_dado.min_observacoes
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 e comportamento dos alunos via API. Na fase de testes, os dados serão enviados pelo agente diretamente por upload de um csv na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um conjunto de dados estruturados em formato JSON.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.json,.csv. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 100.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um conjunto de dados padronizados em formato JSON, contendo variáveis derivadas e prontas para análise.
-
Exemplo de Estrutura de Output:
{ "aluno_id": "12345", "periodo_referencia": "2025-12-20", "features": { "nota_media_periodo": 8.5, "desvio_nota": 1.2, "taxa_presenca": 0.95, "taxa_atraso": 0.05 }, "contexto_normativo": { "media_turma": 8.0, "desvio_turma": 1.0, "media_serie": 7.8, "desvio_serie": 1.1 } } - Número de caracteres esperado: O conjunto de dados padronizados deverá ter um tamanho estimado em torno de 5.000 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 Detecção de Padrões Atípicos (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Detecção de Padrões Atípicos (RF 2).
RF 2. Agente de Detecção de Padrões Atípicos
2.1 Tarefa do Agente
Identificar padrões atípicos e mudanças abruptas nas métricas de aprendizado e comportamento por aluno.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um conjunto de dados padronizados por aluno/período. Esses dados incluem variáveis derivadas de desempenho e comportamento, além de contexto normativo. # 2. Objetivo Identificar padrões atípicos e mudanças abruptas nas métricas de aprendizado e comportamento por aluno. # 3. Regras que você deve seguir para gerar sua resposta - Suficiência de dados: definir dados_suficientes=false se qualidade_dado.percentual_faltantes>40% OU qualidade_dado.min_observacoes<3; se false, não produzir anomalias. - Desvios por nível (tipo=nivel): gerar anomalia quando |z_turma|>=2 para métricas [nota_media_periodo (z invertido), taxa_presenca (z invertido), freq_ocorrencias, taxa_tarefas_entregues (z invertido), score_participacao (z invertido)]; severidade alta se |z|>=3, média se 2.5<=|z|<3, baixa se 2<=|z|<2.5. - Mudança abrupta (tipo=mudanca_abrupta): sinalizar se |mudanca_nota_wo_w| >= 1.0 ponto OU variação de taxa_presenca >= 0.15 em relação à média das 4 semanas anteriores. - Tendência (tipo=tendencia): se houver 3 períodos consecutivos de queda em nota_media_periodo (>=0.3 cada) ou presença (>=0.05 cada), criar anomalia de tendência. - Concordância multivariada: elevar severidade em um nível se duas ou mais métricas-chave estiverem anômalas no mesmo período. - Semanas sazonais: se sazonal=true (ex.: semana de prova), reduzir severidade em um nível para anomalias de nível em notas; não reduzir para presença ou comportamento. - Filtros de ruído: não criar anomalia de mudanca_abrupta para taxa_presenca se dias_letivos_no_periodo<3. - Limites inferiores/superiores: truncar valores de métricas para [0,1] quando aplicável antes do cálculo de z-score normalizado. - Observações de contexto: incluir flags de calendário (ex.: 'semana_provas', 'feriado_prolongado') quando presentes 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 bem-sucedida do agente anterior (RF 1).
- Tipo do input: Este agente deve ser apto a receber como input um conjunto de dados padronizados em formato JSON, contendo variáveis derivadas e contexto normativo.
-
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 5.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um conjunto de dados em formato JSON, contendo as anomalias identificadas e informações de suficiência de dados.
-
Exemplo de Estrutura de Output:
{ "aluno_id": "12345", "periodo_referencia": "2025-12-20", "anomalías": [ { "categoria": "presenca", "metrica": "taxa_presenca", "valor": 0.6, "referencia": 0.95, "z_turma": -2.5, "tipo": "nivel", "severidade": "media" } ], "dados_suficientes": true } - Número de caracteres esperado: O conjunto de dados de anomalias deverá ter um tamanho estimado em torno de 3.000 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 Classificação de Risco e Priorização (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Classificação de Risco e Priorização (RF 3).
RF 3. Agente de Classificação de Risco e Priorização
3.1 Tarefa do Agente
Consolidar anomalias por aluno e calcular um score de risco com priorização e recomendação de próximo passo.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um conjunto de dados de anomalias identificadas por aluno. Esses dados incluem informações de suficiência de dados e anomalias categorizadas por severidade. # 2. Objetivo Consolidar anomalias por aluno e calcular um score de risco com priorização e recomendação de próximo passo. # 3. Regras que você deve seguir para gerar sua resposta - Se dados_suficientes=false, definir risk_score=0, faixa_prioridade='baixa', requer_avaliacao=false e incluir motivo 'dados_insuficientes'. - Pesos por domínio: aprendizado=0.5 (notas, tarefas), comportamento=0.3 (ocorrencias, participacao), assiduidade=0.2 (presenca, atrasos). - Mapeamento de severidade: baixa=10 pontos, media=20, alta=35 por anomalia; aplicar peso do domínio correspondente. - Concordância multivariada: bônus adicional de +10 pontos se houver anomalias em dois domínios distintos no mesmo período; +15 se em três. - Decaimento temporal: reduzir 20% do score acumulado para cada período consecutivo sem novas anomalias. - Limites: truncar risk_score em [0,100]. - Faixas: 0-29=baixa, 30-59=media, 60-79=alta, 80-100=critica. - Critérios de requer_avaliacao: true se (faixa_prioridade in ['alta','critica']) OU (faixa_prioridade='media' e persistência>=3 períodos consecutivos com qualquer anomalia). - Motivos: usar códigos padronizados ['queda_nota','baixa_presenca','ocorrencias_repetidas','baixa_participacao','nao_entrega_tarefas','mudanca_abrupta','tendencia_negativa','dados_insuficientes'] conforme anomalias presentes. - Janelas: definir janelas_observacao.inicio como primeiro período com anomalia nos últimos 8 períodos e fim como periodo_referencia atual.
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 como input um conjunto de dados em formato JSON, contendo anomalias identificadas e informações de suficiência de dados.
-
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 3.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um conjunto de dados em formato JSON, contendo o score de risco calculado, faixa de prioridade e recomendação de próximo passo.
-
Exemplo de Estrutura de Output:
{ "aluno_id": "12345", "periodo_referencia": "2025-12-20", "risk_score": 45, "faixa_prioridade": "media", "motivos": ["baixa_presenca", "mudanca_abrupta"], "requer_avaliacao": true, "janelas_observacao": { "inicio": "2025-11-01", "fim": "2025-12-20" } } - Número de caracteres esperado: O conjunto de dados de risco deverá ter 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 deve ser visível para o Agente de Sinalização e Resumo para Educadores (RF 4).
3.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Sinalização e Resumo para Educadores (RF 4).
RF 4. Agente de Sinalização e Resumo para Educadores
4.1 Tarefa do Agente
Gerar um alerta compreensível e acionável para educadores, sem rótulos diagnósticos, com evidências e sugestões iniciais.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um conjunto de dados de risco calculado por aluno. Esses dados incluem o score de risco, faixa de prioridade, motivos e janelas de observação.
# 2. Objetivo
Gerar um alerta compreensível e acionável para educadores, com evidências e sugestões iniciais.
# 3. Regras que você deve seguir para gerar sua resposta
- Título: 'Sinalização de acompanhamento — risco {faixa_prioridade}' com aluno_id suprimido se o canal exigir anonimização; usar identificador interno quando possível.
- Resumo factual: 2-3 frases citando métricas, magnitudes e janelas (ex.: 'queda de 1.2 pontos na média nas últimas 4 semanas e presença 18% abaixo da turma').
- Evidências: listar no máximo 5 evidencias_chave com metrica, valor, referência (média_turma/serie) e tipo de anomalia.
- Contexto: se houver flags sazonais, incluir em possiveis_fatores_contextuais; não usar isso para descartar, apenas contextualizar.
- Sugestões iniciais: propor ações não diagnósticas e de baixo risco (ex.: checagem de compreensão, reforço de rotinas, monitoramento de presença com registro diário, ajuste de carga de tarefa).
- Perguntas para observação: 3-5 perguntas específicas para sala (ex.: 'há necessidade de instruções segmentadas?', 'distrações frequentes em atividades silenciosas?').
- Mapeamento de próxima ação: critico→'encaminhar_avaliacao_especializada'; alta→'contato_responsaveis' ou 'orientacaoEducacional'; media→'observar' com prazo; baixa→'observar'.
- Linguagem: evitar termos clínicos/diagnósticos; focar em comportamentos observáveis e dados objetivos.
- Privacidade: não incluir dados sensíveis além do necessário; orientar uso do canal institucional apropriado. 4.3 Configurações do Agente
4.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 3).
- Tipo do input: Este agente deve ser apto a receber como input um conjunto de dados em formato JSON, contendo o score de risco calculado, faixa de prioridade e recomendação de próximo passo.
-
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 2.000 caracteres.
4.3.2 Especificação do Output
- Formato de output: O output deve ser um alerta compreensível e acionável para educadores, em formato JSON, contendo título, resumo factual, evidências, contexto e sugestões iniciais.
-
Exemplo de Estrutura de Output:
{ "aluno_id": "12345", "alerta": { "titulo": "Sinalização de acompanhamento — risco media", "prioridade": "media", "resumo_factual": "Queda de 1.2 pontos na média nas últimas 4 semanas e presença 18% abaixo da turma.", "evidencias_chave": [ { "metrica": "nota_media_periodo", "valor": 7.0, "referencia": 8.5, "tipo": "nivel" } ], "possiveis_fatores_contextuais": ["semana_provas"], "sugestoes_iniciais": ["checagem de compreensão", "reforço de rotinas"], "perguntas_para_observacao": ["há necessidade de instruções segmentadas?", "distrações frequentes em atividades silenciosas?"] }, "proxima_acao_sugerida": "observar", "canal_recomendado": "diario_de_classe" } - Número de caracteres esperado: O alerta deverá ter um tamanho estimado em torno de 1.500 caracteres.
4.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
4.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
4.3.5 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 Consolidação de Feedback do Educador (RF 5).
4.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Consolidação de Feedback do Educador (RF 5).
RF 5. Agente de Consolidação de Feedback do Educador
5.1 Tarefa do Agente
Estruturar o feedback do educador após a sinalização e atualizar o status do caso para continuidade do fluxo.
5.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo feedback do educador após a sinalização. Este feedback inclui observações, classificações e ações realizadas. # 2. Objetivo Estruturar o feedback do educador e atualizar o status do caso para continuidade do fluxo. # 3. Regras que você deve seguir para gerar sua resposta - Confirmação de padrões: definir confirmacao_padroes=true se o educador reportar observações alinhadas às evidências principais; false se negar; 'inconclusivo' se ambíguo. - Barreiras: extrair até 5 barreiras contextuais citadas (ex.: falta de material, dificuldade de instrução, contexto familiar). - Adaptações em teste: listar estratégias já tentadas e sua percepção de eficácia (se mencionada). - Status do fluxo: 'encaminhar_avaliacao' se acao_realizada='encaminhamento' OU faixa_prioridade anterior='critica'; 'planejar_intervencao' se confirmacao_padroes=true e prioridade∈['media','alta']; caso contrário 'aguarda_monitoramento'. - Trigger_recomendacoes=true se status_fluxo∈['planejar_intervencao','encaminhar_avaliacao']. - Neutralidade: registrar fielmente o relato sem inferir diagnóstico; sintetizar em sentenças curtas e objetivas.
5.3 Configurações do Agente
5.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 4).
- Tipo do input: Este agente deve ser apto a receber como input um conjunto de dados em formato JSON, contendo feedback do educador e informações de classificação e ações realizadas.
-
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 1.500 caracteres.
5.3.2 Especificação do Output
- Formato de output: O output deve ser um conjunto de dados estruturados em formato JSON, contendo confirmação de padrões, barreiras, adaptações em teste, status do fluxo e trigger de recomendações.
-
Exemplo de Estrutura de Output:
{ "aluno_id": "12345", "periodo_referencia": "2025-12-20", "feedback_estruturado": { "confirmacao_padroes": true, "barreiras_identificadas": ["falta de material", "dificuldade de instrução"], "adaptacoes_em_teste": ["uso de material visual", "tempo adicional"] }, "status_fluxo": "planejar_intervencao", "trigger_recomendacoes": true } - Número de caracteres esperado: O conjunto de dados estruturados deverá ter um tamanho estimado em torno de 1.200 caracteres.
5.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
5.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
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 deve ser visível para o Agente de Recomendações de Estratégias de Ensino Personalizadas (RF 6).
5.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Recomendações de Estratégias de Ensino Personalizadas (RF 6).
RF 6. Agente de Recomendações de Estratégias de Ensino Personalizadas
6.1 Tarefa do Agente
Sugerir estratégias pedagógicas e plano de acompanhamento alinhados às necessidades observadas e ao feedback do educador.
6.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um conjunto de dados estruturados com feedback do educador e informações de status do fluxo.
# 2. Objetivo
Sugerir estratégias pedagógicas e plano de acompanhamento alinhados às necessidades observadas e ao feedback do educador.
# 3. Regras que você deve seguir para gerar sua resposta
- Objetivos SMART: gerar 2-3 objetivos mensuráveis por domínio afetado (ex.: presença, participação, tarefas) com prazo de 4-8 semanas.
- Estratégias em sala: propor até 6 ações específicas e de baixo custo (ex.: instruções em passos, tempo adicional, pares de apoio, check-ins programados), alinhadas às anomalias confirmadas.
- Acomodações avaliativas: sugerir alternativas como avaliações segmentadas, formatos multimodais ou tempo adicional quando houver evidência de queda consistente em desempenho.
- Suporte extra: quando prioridade∈['alta','critica'] ou confirmacao_padroes=true, propor orientação educacional ou reforço focalizado (carga horária sugerida).
- Plano de monitoramento: definir metricas_alvo coerentes com os motivos (ex.: taxa_presenca, nota_media_periodo, taxa_tarefas_entregues), frequência conforme prioridade (alta/critica=semanal, media=quinzenal, baixa=mensal).
- Critério de reavaliação: propor condicao de sucesso (ex.: 'ausência de novas anomalias e melhora >=0.5 ponto na nota em 4 semanas') ou de escalonamento ('persistência de anomalias por 3 períodos').
- Privacidade: incluir consideracoes_privacidade orientando comunicação adequada com responsáveis sem exposição desnecessária de dados sensíveis.
- Não diagnosticar: evitar termos clínicos; focar em adaptações pedagógicas e acompanhamento objetivo. 6.3 Configurações do Agente
6.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 5).
- Tipo do input: Este agente deve ser apto a receber como input um conjunto de dados estruturados em formato JSON, contendo feedback do educador e informações de status do fluxo.
-
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 1.200 caracteres.
6.3.2 Especificação do Output
- Formato de output: O output deve ser um conjunto de dados em formato JSON, contendo recomendações de estratégias pedagógicas e plano de acompanhamento.
-
Exemplo de Estrutura de Output:
{ "aluno_id": "12345", "recomendacoes": { "objetivos_smart": ["Aumentar a presença em 10% nas próximas 6 semanas"], "estrategias_em_sala": ["instruções em passos", "tempo adicional"], "acomodacoes_avaliativas": ["tempo adicional em provas"], "suporte_extra": ["orientação educacional com carga de 2 horas semanais"], "plano_monitoramento": { "metricas_alvo": ["taxa_presenca", "nota_media_periodo"], "frequencia": "semanal", "criterio_reavaliacao": { "janela": "6 semanas", "condicao": "ausência de novas anomalias e melhora >=0.5 ponto na nota" } } }, "consideracoes_privacidade": ["orientar comunicação adequada com responsáveis"] } - Número de caracteres esperado: O conjunto de dados de recomendações deverá ter um tamanho estimado em torno de 1.800 caracteres.
6.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
6.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
6.3.5 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.
6.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. As recomendações geradas devem ser disponibilizadas ao educador responsável.