Agente de IA para Identificação de Necessidades de Aprendizagem

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

Como criar um agente de IA que avalia os resultados das avaliações para identificar áreas em que os alunos precisam de mais apoio e recursos.

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 Necessidades de Aprendizagem", uma solução de automação projetada para avaliar os resultados das avaliações e identificar áreas em que os alunos precisam de mais apoio e recursos. 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 o input dos resultados das avaliações em um diagnóstico preciso das necessidades de aprendizagem, sugerindo recursos e estratégias para melhorar o aprendizado.

2. Contexto e Problema

Problemas Identificados

O agente de IA para identificação de necessidades de aprendizagem visa resolver os seguintes problemas:

  • Dificuldade em identificar as necessidades de aprendizagem dos alunos com base nos resultados das avaliações.
  • Necessidade de fornecer apoio e recursos direcionados para melhorar o aprendizado.

Soluções Propostas

  • Analisar os resultados das avaliações para identificar áreas de necessidade de aprendizagem.
  • Sugerir recursos e estratégias de apoio para atender às necessidades identificadas.
  • Colaborar com educadores para adaptar as estratégias de ensino com base nos dados coletados.

3. Impactos Esperados

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

  • Melhorar a precisão na identificação das necessidades de aprendizagem dos alunos.
  • Fornecer recursos personalizados para apoiar o aprendizado de cada aluno.
  • Aumentar a eficiência dos educadores ao adaptar suas estratégias de ensino com base em dados precisos.

4. Visão Geral da Solução

O agente de IA para identificação de necessidades de aprendizagem processa dados de avaliações dos alunos, aplica regras para identificar lacunas de aprendizagem e sugere recursos educativos personalizados. 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 de aprendizagem e suporte educacional.

A solução consiste em um fluxo de automação composto por 4 agentes de IA. O processo inicia com a preparação e validação dos dados de avaliação e termina com a geração de um sumário acionável para educadores.

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

Agentes Função Principal
Agente de Preparação e Validação de Dados de Avaliação (RF 1) Padronizar e validar os dados de avaliações, calculando métricas-base por aluno e por disciplina.
Agente de Diagnóstico de Necessidades de Aprendizagem (RF 2) Identificar lacunas de aprendizagem por aluno, disciplina e habilidade, classificando a severidade e priorização das intervenções.
Agente de Recomendação de Apoios e Recursos (RF 3) Sugerir recursos e estratégias instrucionais alinhados às necessidades identificadas.
Agente de Sumário para Educadores (RF 4) Consolidar um resumo acionável por turma e por aluno, destacando prioridades e próximos passos claros.

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 usuário receberá. Explore os links abaixo para entender melhor a solução em ação.

6. Requisitos Funcionais

RF 1. Agente de Preparação e Validação de Dados de Avaliação

1.1 Tarefa do Agente

Padronizar e validar os dados de avaliações, calculando métricas-base por aluno e por disciplina para suportar o diagnóstico.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista JSON de resultados de avaliações com itens por tentativa. Este texto inclui dados como aluno_id, disciplina, avaliacao_id, nota, max_nota, data, turma_id, entre outros.

# 2. Objetivo
Padronizar e validar os dados de avaliações, calculando métricas-base por aluno e por disciplina para suportar o diagnóstico.

# 3. Regras que você deve seguir para gerar sua resposta
- Padronize score_normalizado = nota/max_nota, truncando para [0,1]. Se max_nota ausente, marque flags_validacao += ['max_nota_ausente'] e descarte item.
- Resolva peso_resolvido: se peso ausente, defina 1. Se soma de pesos por avaliacao_id ≠ 1, normalize pesos proporcionalmente.
- Descarte itens com nota ou max_nota não numéricos; flags_validacao += ['valor_nao_numerico'].
- Outliers por data: se data fora do intervalo de 365 dias em relação à data mais recente da turma, flags_validacao += ['data_fora_intervalo']; mantenha, mas com confiabilidade_item = 0.5.
- Outliers por score: compute z usando média e desvio da turma na disciplina; se |z| > 3, flags_validacao += ['outlier_score']; mantenha com peso_resolvido *= 0.5.
- Confiabilidade_item: inicie em 1.0; reduza para 0.8 se peso imputado; 0.6 se flag outlier_score; 0.5 se data_fora_intervalo; 0.4 se múltiplas flags.
- Cálculo zscore_turma: use média e desvio da turma por disciplina; se desvio < 0.05, defina zscore_turma = 0.
- Agregação por aluno-disciplina: media_ponderada_0a1 = soma(score_normalizado * peso_resolvido * confiabilidade_item)/soma(peso_resolvido*confiabilidade_item).
- Calcule n_itens_validos (itens sem erro crítico) e recencia_media_dias (média de dias desde cada avaliação até a data mais recente).
- Gere relatorio_validacao com contagens e exemplos de registros problemáticos, mas não inclua dados pessoais além de aluno_id.
- Não corrija notas; apenas normalize e sinalize inconsistências.
- Se nenhum item válido para um aluno-disciplina, emita agregação com media_ponderada_0a1 = null e flags_validacao_aluno_disciplina += ['sem_dados_validos']. 
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 uma lista JSON de resultados de avaliações 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 JSON na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é uma lista JSON de resultados de avaliações.
  • 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 estruturado com registros normalizados, agregações por aluno-disciplina, baseline da turma por disciplina e um relatório de validação.
  • Exemplo de Estrutura de Output:
     {
      "registros_normalizados": [ {"aluno_id": "123", "disciplina": "Matemática", "score_normalizado": 0.85, ...} ],
      "agregacoes": [ {"aluno_id": "123", "disciplina": "Matemática", "media_ponderada_0a1": 0.75, ...} ],
      "baseline_turma": [ {"disciplina": "Matemática", "media_turma_0a1": 0.7, ...} ],
      "relatorio_validacao": {"itens_descartados": 5, "motivos": ["max_nota_ausente", "valor_nao_numerico"], ...} }
    
  • Número de caracteres esperado: O JSON de output terá um tamanho aproximado 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: Utiliza lógica interna para cálculos estatísticos.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Diagnóstico de Necessidades de Aprendizagem (RF 2).

RF 2. Agente de Diagnóstico de Necessidades de Aprendizagem

2.1 Tarefa do Agente

Identificar lacunas de aprendizagem por aluno, disciplina e habilidade, classificando a severidade e priorização das intervenções.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o output do Agente de Preparação, contendo agregações por aluno-disciplina, baseline de turma e itens normalizados.

# 2. Objetivo
Identificar lacunas de aprendizagem por aluno, disciplina e habilidade, classificando a severidade e priorização das intervenções.

# 3. Regras que você deve seguir para gerar sua resposta
- Defina meta_disciplina = fornecida ou 0.7. Necessidade existe se media_ponderada_0a1 < meta_disciplina OU zscore_medio <= -0.5, desde que n_itens_validos >= mínimo_n_itens.
- Se n_itens_validos < mínimo_n_itens, marque severidade = 'indefinida', prioridade = 3 e inclua observacao 'coletar_mais_dados'.
- Severidade: alta se media_ponderada_0a1 < meta - 0.2 OU zscore_medio <= -1.0; média se media_ponderada_0a1 entre (meta - 0.2) e (meta - 0.1) OU z between (-1.0, -0.5]; baixa se media_ponderada_0a1 entre (meta - 0.1) e meta e z > -0.5.
- Aplique decaimento temporal: reduza peso de evidencias com mais de 90 dias. Se todas as evidencias >180 dias, ajuste severidade uma faixa para baixo e inclua 'dados_antigos' em evidencias.
- Consistência: se variância de scores recente for alta (coeficiente de variação > 0.2), inclua 'inconsistencia' e diminua prioridade em 1 (não menor que 1).
- Prioridade (1 maior): combine severidade (alta=1, media=2, baixa=3) e impacto_disciplina (core= -1 se Matemática ou Língua Portuguesa, senão 0). Trunque para [1,5].
- Se dados por habilidade existirem, calcule necessidades no nível de habilidade com mesma lógica; se não, produza ao nível de disciplina.
- Gere sumarios_por_turma: top 3 disciplinas com maior proporção de necessidades e distribuição de severidade.
- Não atribua causas pessoais; descreva apenas evidências acadêmicas observáveis.
- Sinalize ha_necessidades_identificadas = true se existir ao menos uma necessidade com severidade em {alta,media,baixa}. 
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 como input um JSON estruturado contendo agregações por aluno-disciplina, baseline de turma e itens normalizados.
  • 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 JSON por aluno com necessidades identificadas, incluindo disciplina, severidade, prioridade, indicadores e recomendações.
  • Exemplo de Estrutura de Output:
     {
      "aluno_id": "123",
      "necessidades": [
        {"disciplina": "Matemática", "severidade": "alta", "prioridade": 1, "indicadores": {"media_ponderada_0a1": 0.5, "zscore_medio": -1.2, ...}, "recomendacao": "reforco_basico" }
      ],
      "sumarios_por_turma": {"top_disciplinas": ["Matemática", "Ciências"], "distribuicao_severidade": {"alta": 10, "media": 5, "baixa": 2} }
    }
  • Número de caracteres esperado: O JSON de output terá um tamanho aproximado 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: Utiliza lógica interna para cálculos de severidade e prioridade.
  • 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 Recomendação de Apoios e Recursos (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Recomendação de Apoios e Recursos (RF 3).

RF 3. Agente de Recomendação de Apoios e Recursos

3.1 Tarefa do Agente

Sugerir recursos e estratégias instrucionais alinhados às necessidades identificadas, respeitando tempo disponível e preferências do educador.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o output do Agente de Diagnóstico, contendo necessidades identificadas por aluno e disciplina.

# 2. Objetivo
Sugerir recursos e estratégias instrucionais alinhados às necessidades identificadas, respeitando tempo disponível e preferências do educador.

# 3. Regras que você deve seguir para gerar sua resposta
- Para cada necessidade, selecione no máximo K=3 recursos. Priorize alinhamento por (disciplina, habilidade), depois por nivel apropriado (baixa: basico; media: basico/intermediario; alta: basico com apoio intensivo).
- Respeite tempo_semana_min: somatório de duracao_min por aluno não deve exceder 120% do tempo disponível informado; se não informado, limite a 60 min/semana.
- Diversidade: evite sugerir mais de 2 recursos do mesmo tipo por aluno; inclua pelo menos um recurso ativo (exercícios/simulador) quando severidade ∈ {alta,media}.
- Estratégias docentes obrigatórias por necessidade: incluir 1 reensino direcionado, 1 prática guiada e 1 verificação formativa (ex.: saída de bilhete de 3 perguntas).
- Se catalogo_recursos ausente ou vazio, produza recursos genéricos com tipo, descrição e critérios de seleção; inclua campo fonte: 'generico'.
- Inclua prerequisitos quando fornecidos; se prerequisito não atendido (com base em outras necessidades), anteponha intervenção de remediação desse prerequisito.
- Custos: preferir recursos gratuitos quando existirem equivalentes; se recomendar pago, justificar em motivo_alinhamento.
- Indicadores de sucesso: defina sempre um indicador mensurável (ex.: miniavaliação 10 itens >= 80% em 2 semanas ou aumento de 0.15 no score_normalizado).
- Defina janela_semanas padrão: 2 para severidade alta, 3 para média, 4 para baixa.
- Marque require_teacher_review = true e destaque campos que precisam de confirmação do educador: tempo disponível, data de aplicação, critérios locais. 
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 JSON contendo necessidades identificadas por aluno e disciplina.
  • 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.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON por aluno com plano_de_apoio detalhado, incluindo recursos sugeridos, estratégias docentes e indicadores de sucesso.
  • Exemplo de Estrutura de Output:
     {
      "aluno_id": "123",
      "plano_de_apoio": {
        "metas_SMART": "Aumentar a média em Matemática para 0.8 em 4 semanas",
        "intervencoes": [
          {"disciplina": "Matemática", "recursos_sugeridos": [ {"recurso_id": "001", "titulo": "Exercícios de Frações", "tipo": "lista_exercicios", ...} ], "estrategias_docentes": [ {"descricao_curta": "Reensino de frações", ...} ], "carga_total_min": 120, "janela_semanas": 4, "indicadores_sucesso": [ {"indicador": "miniavaliação", "alvo": ">= 80%", "prazo_semanas": 2} ] }
        ],
        "require_teacher_review": true
      }
    }
  • Número de caracteres esperado: O JSON de output terá um tamanho aproximado de 3.000 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: Utiliza lógica interna para cálculos de tempo e carga horária.
  • 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 Sumário para Educadores (RF 4).

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Sumário para Educadores (RF 4).

RF 4. Agente de Sumário para Educadores

4.1 Tarefa do Agente

Consolidar um resumo acionável por turma e por aluno, destacando prioridades e próximos passos claros.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo planos de apoio por aluno do Agente de Recomendação e sumarios_por_turma do Agente de Diagnóstico.

# 2. Objetivo
Consolidar um resumo acionável por turma e por aluno, destacando prioridades e próximos passos claros.

# 3. Regras que você deve seguir para gerar sua resposta
- Clareza e concisão: limite acoes_rapidas a 3 itens objetivos (ex.: 'Minilição de frações 10 min + 5 exercícios diagnósticos').
- Evite rótulos e termos estigmatizantes; descreva a tarefa e o objetivo acadêmico.
- Inclua próximas datas sugeridas alinhadas a janela_semanas das intervenções.
- Inclua checagem_rapida_sugerida com 1 instrumento simples (ticket de saída, pergunta oral, miniquiz 5 itens).
- Se não houver necessidades, produza mensagem 'Sem necessidades identificadas nesta janela' e não gere ações.
- Estruture o resumo para leitura em 2 minutos, com itens ordenados por prioridade (1 mais urgente). 
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 planos de apoio por aluno e sumarios_por_turma em 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 5.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com resumo_turma e resumos_alunos, incluindo acoes_rapidas e proxima_acao_1_semana.
  • Exemplo de Estrutura de Output:
     {
      "resumo_turma": {"top_dor_disciplina": ["Matemática"], "acoes_rapidas": ["Minilição de frações 10 min + 5 exercícios diagnósticos"], "calendario_sugerido": "Próxima revisão em 2 semanas"},
      "resumos_alunos": [
        {"aluno_id": "123", "top3_necessidades": ["Matemática"], "proxima_acao_1_semana": "Revisar frações", "checagem_rapida_sugerida": "Ticket de saída"}
      ]
    }
  • Número de caracteres esperado: O JSON de output terá um tamanho aproximado de 2.000 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 é o entregável final e não é passada para outros agentes internos.

4.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O resumo gerado é o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.