Agente de IA para Identificação de Necessidades Educacionais Especiais

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

Como criar um agente de IA que analisa registros acadêmicos e comportamentais para identificar alunos que possam necessitar de suporte educacional especial.

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 Educacionais Especiais", uma solução de automação projetada para analisar registros acadêmicos e comportamentais de alunos e identificar aqueles que possam necessitar de suporte educacional especial. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específico para construção de Agentes de IA.

O objetivo principal é transformar dados acadêmicos e comportamentais em insights que possam orientar intervenções pedagógicas, assegurando a precisão e a confidencialidade na análise dos dados dos alunos.

2. Contexto e Problema

Cenário Atual

No contexto educacional, identificar precocemente alunos que necessitam de suporte educacional especial é um desafio crítico. Atualmente, muitas instituições enfrentam dificuldades na análise contínua e abrangente dos dados acadêmicos e comportamentais dos alunos, o que pode resultar em intervenções tardias e inadequadas.

Dificuldades adicionais incluem a falta de recursos para realizar uma análise detalhada e contínua dos registros dos alunos, além da necessidade de garantir a confidencialidade e a precisão na manipulação desses dados.


Problemas Identificados

  • Dificuldade em identificar necessidades precocemente: A identificação tardia de necessidades educacionais especiais pode comprometer o desenvolvimento e o aprendizado do aluno.
  • Falta de recursos para análise contínua: As escolas frequentemente não possuem sistemas adequados para monitorar e analisar de forma abrangente os dados dos alunos.
  • Confidencialidade e precisão dos dados: Garantir que a análise dos dados dos alunos seja precisa e confidencial é um desafio constante.

3. Impactos Esperados

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

  • Identificação precoce de alunos que necessitam de suporte educacional especial.
  • Melhoria na precisão e na confidencialidade da análise dos dados dos alunos.
  • Redução do tempo necessário para identificar e implementar intervenções pedagógicas adequadas.
  • Otimização dos recursos educacionais disponíveis, permitindo intervenções mais eficazes e direcionadas.

4. Visão Geral da Solução

O agente de IA para identificação de necessidades educacionais especiais processa dados acadêmicos e comportamentais, aplica regras de acordo com o contexto educacional e sugere intervenções adequadas 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 identificação precoce de necessidades educacionais especiais.

A solução consiste em um fluxo de automação composto por 4 agentes de IA. O processo inicia com a padronização e validação dos dados dos alunos e termina com a geração de um JSON sanitizado contendo as recomendações de intervenção educacional.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo. O fluxo inclui etapas de validação e conformidade para garantir a precisão e a confidencialidade dos dados processados.

Agentes Função Principal
Agente de Padronização e Validação de Dados do Aluno (RF 1) Padronizar, validar e enriquecer registros acadêmicos e comportamentais, preparando dados consistentes por aluno para análise.
Agente de Identificação de Risco de Necessidades Educacionais (RF 2) Identificar sinais e calcular escore de risco educacional por aluno com base em indicadores acadêmicos e comportamentais.
Agente de Recomendações de Intervenção Educacional (RF 3) Sugerir intervenções pedagógicas e de suporte, estruturadas em plano com objetivos, responsáveis, frequência e métricas.
Agente de Conformidade e Confidencialidade (RF 4) Garantir precisão mínima, anonimização adequada, minimização de dados e conformidade com confidencialidade antes da saída final.

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

6. Requisitos Funcionais

RF 1. Agente de Padronização e Validação de Dados do Aluno

1.1 Tarefa do Agente

Padronizar, validar e enriquecer registros acadêmicos e comportamentais, preparando dados consistentes por aluno para análise.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com registros acadêmicos e comportamentais de alunos. Este JSON contém dados brutos que precisam ser padronizados e validados para prosseguir com a análise.

# 2. Objetivo
Padronizar, validar e enriquecer os registros acadêmicos e comportamentais de cada aluno, garantindo que os dados estejam consistentes e prontos para análise.

# 3. Regras que você deve seguir para gerar sua resposta
- Padronize chaves, tipos e unidades: converta notas para escala 0-10 (arredonde com 2 casas), normalize nomes de disciplinas (ex.: 'Matemática', 'Língua Portuguesa').
- Agrupe por aluno_id; se houver duplicados, una registros mantendo o valor mais recente por periodo e componha listas somando ocorrências.
- Calcule taxa_presenca = soma(dias_presentes)/soma(dias_totais) considerando apenas periodos válidos; se dias_totais=0, defina taxa_presenca como null e registre inconsistencia.
- Calcule tendencia_notas_slope_ultimos_4_periodos por OLS simples sobre pares (indice_periodo, media_periodo); se menos de 2 periodos, defina null.
- Defina faltas_injustificadas_qtd_90d como total de faltas não listadas em faltas_justificadas nos últimos 90 dias da data mais recente nos dados.
- Conte atrasos_qtd_90d e tarefas_nao_entregues_qtd_90d para os últimos 90 dias.
- Classifique gravidade das ocorrências em baixa, media, alta conforme campo; se ausente, trate como media.
- Extraia keywords_observacoes combinando termos de atenção educacional (ex.: 'dificuldade de leitura', 'inatenção', 'impulsividade', 'isolamento', 'ansiedade', 'discalculia', 'processamento auditivo', 'compreensão textual'), registre apenas distintas.
- Calcule completude_0_100 como percentual de campos core presentes: notas, frequencia, ocorrencias_comportamentais, atrasos, tarefas_nao_entregues, observacoes_textuais, serie.
- Preencha campos_faltantes listando exatamente os que estiverem ausentes dos core; descreva inconsistencias quando houver tipos inválidos, datas futuras ou notas fora de 0-10.
- Defina pode_prosseguir = true quando completude_0_100 >= 70 e não existirem inconsistencias críticas (nota fora de escala, aluno_id ausente, dias_totais=0 em todos os periodos). Caso contrário, false.
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 um arquivo JSON contendo registros acadêmicos e comportamentais 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 do JSON na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um arquivo JSON contendo dados acadêmicos e comportamentais dos alunos.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .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 estruturado contendo dados padronizados e validados por aluno, prontos para análise subsequente.
  • Exemplo de Estrutura de Output:
     {
      "alunos": [
        {
          "aluno_id": "12345",
          "serie": "5º Ano",
          "dados_normalizados": {
            "notas_por_componente": {
              "Matemática": [{"periodo": "1º Bimestre", "nota": 7.5}]
            },
            "media_geral_ponderada_0_10": 7.0,
            "tendencia_notas_slope_ultimos_4_periodos": -0.2,
            "frequencia_global": {
              "taxa_presenca": 0.95,
              "dias_presentes": 95,
              "dias_totais": 100
            },
            "incidentes": {
              "total": 3,
              "por_gravidade": {
                "baixa": 1,
                "media": 2,
                "alta": 0
              }
            },
            "atrasos_qtd_90d": 2,
            "faltas_injustificadas_qtd_90d": 1,
            "tarefas_nao_entregues_qtd_90d": 0,
            "keywords_observacoes": ["dificuldade de leitura", "inatenção"]
          },
          "qualidade_dado": {
            "completude_0_100": 85,
            "inconsistencias": [],
            "campos_faltantes": []
          },
          "pode_prosseguir": true
        }
      ]
    } 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 20.000 caracteres, podendo variar conforme a quantidade de alunos e complexidade dos dados descritos.

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

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Identificação de Risco de Necessidades Educacionais (RF 2).

RF 2. Agente de Identificação de Risco de Necessidades Educacionais

2.1 Tarefa do Agente

Identificar sinais e calcular escore de risco educacional por aluno com base em indicadores acadêmicos e comportamentais.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com dados padronizados e validados de alunos, prontos para análise de risco educacional.

# 2. Objetivo
Identificar sinais de risco e calcular o escore de risco educacional para cada aluno, com base em indicadores acadêmicos e comportamentais.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcule escore_risco_0_100 somando pontos por indicador; trunque entre 0 e 100.
- Atribua pontos por acadêmico: media_geral_ponderada < 6.0 = +20; tendencia_notas_slope < -0.5 = +15; nota < 5.0 em 2+ disciplinas no último período = +15.
- Atribua pontos por frequência: taxa_presenca < 85% = +20; 85% a 90% = +10.
- Atribua pontos por comportamento: incidentes alta >=1 nos últimos 90 dias = +20; media >=3 = +10; atrasos_qtd_90d >=10 = +5; tarefas_nao_entregues_qtd_90d >=5 = +10.
- Atribua pontos por observações: presença de keywords de linguagem ('troca de letras', 'dificuldade fonológica', 'articulação') = +10; atenção ('distração', 'inatenção', 'hiperatividade') = +10; socioemocional ('ansiedade', 'isolamento', 'agitação persistente') = +10. Limite máximo por grupo de observações: 15.
- Se completude_0_100 entre 70 e 80, aplique penalidade de confiança -5 no escore final; se <70, não processe (não deve receber aqui).
- Defina nivel_risco: escore >=75 'alto'; 60-74 'moderado'; <60 'baixo'. Defina risco_identificado = true quando nivel 'moderado' ou 'alto'.
- Popule categorias_sinalizadas conforme origem dos pontos: acadêmico se algum critério de notas/ tendência; comportamental se incidentes/atrasos/tarefas; linguagem/atencao/socioemocional conforme keywords; acessibilidade apenas se observações incluírem termos como 'baixa visão', 'deficiência auditiva', 'mobilidade reduzida'.
- Preencha evidencias listando, para cada indicador acionado, o valor observado e justificativa textual simples referenciando o limiar aplicado.
- Nunca atribua ou sugerir diagnóstico médico; descreva apenas necessidades educacionais e sinais observáveis.
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 com dados padronizados e validados, prontos para análise de risco educacional.
  • 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.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo o escore de risco educacional e as categorias sinalizadas para cada aluno.
  • Exemplo de Estrutura de Output:
     {
      "alunos": [
        {
          "aluno_id": "12345",
          "risco_identificado": true,
          "escore_risco_0_100": 80,
          "nivel_risco": "alto",
          "categorias_sinalizadas": ["academico", "comportamental"],
          "evidencias": [
            {"indicador": "media_geral_ponderada", "valor": 5.5, "justificativa": "Média abaixo de 6.0"},
            {"indicador": "taxa_presenca", "valor": 0.84, "justificativa": "Presença abaixo de 85%"}
          ],
          "limites_aplicados": {"descricao": ["Média geral ponderada", "Taxa de presença"]}
        }
      ]
    } 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 15.000 caracteres, podendo variar conforme a quantidade de alunos e complexidade dos dados analisados.

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

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Recomendações de Intervenção Educacional (RF 3).

RF 3. Agente de Recomendações de Intervenção Educacional

3.1 Tarefa do Agente

Sugerir intervenções pedagógicas e de suporte, estruturadas em plano com objetivos, responsáveis, frequência e métricas.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com os escores de risco educacional e as categorias sinalizadas para cada aluno.

# 2. Objetivo
Sugerir intervenções pedagógicas e de suporte para cada aluno, estruturadas em um plano com objetivos, responsáveis, frequência e métricas.

# 3. Regras que você deve seguir para gerar sua resposta
- Gere plano apenas se risco_identificado=true; caso contrário, não produzir entrada para o aluno.
- Mapeie categorias_sinalizadas para estratégias: acadêmico -> reforço de leitura/escrita, ensino explícito, tutoria dirigida; comportamental -> contrato comportamental, reforço positivo, ensino de autorregulação; linguagem -> atividades fonológicas, apoio fonoaudiológico (encaminhamento interno), vocabulário estruturado; atencao -> instruções curtas, divisão de tarefas, assentos preferenciais; socioemocional -> check-in/check-out, habilidades socioemocionais; acessibilidade -> materiais ampliados, legendas, tempo estendido.
- Para cada evidencia relevante, crie pelo menos um objetivo SMART com baseline do indicador observado e alvo mensurável. Ex.: indicador: taxa_presenca baseline 82% -> alvo 90% em 60 dias.
- Defina frequência padrão: semanal=2 e duracao_sessao_min=30; ajuste: risco 'alto' -> semanal=3-4; 'moderado' -> 1-2.
- Inclua acomodacoes de baixo custo primeiro (ex.: tempo adicional, instruções por etapas, organizadores gráficos) e, se persistirem múltiplas categorias, adicione recursos adicionais (ex.: sala de apoio, mentoria entre pares).
- Defina responsaveis com papéis típicos: professor regente, professor de apoio/AEEs, coordenação pedagógica, família (opcional).
- Defina métricas de sucesso alinhadas às evidencias acionadas: para notas, meta de aumento de média em +1.0; para incidentes, redução de 50%; para tarefas não entregues, redução para <2 por 30 dias; para atrasos, <1 por semana; para leitura/escrita, meta de acurácia/fluência incremental compatível com serie.
- Defina revisao_em_dias: risco 'alto' = 30; 'moderado' = 45; inclua justificativa_plano referenciando evidencias e categorias.
- Não inclua termos diagnósticos; use linguagem de necessidades e suportes educacionais. Não prescreva intervenções clínicas; apenas encaminhamento interno quando pertinente.
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 com os escores de risco educacional e as categorias sinalizadas para cada 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 30.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo planos de intervenção educacional para cada aluno com risco identificado.
  • Exemplo de Estrutura de Output:
     {
      "alunos": [
        {
          "aluno_id": "12345",
          "plano_intervencao": {
            "objetivos_smart": ["Aumentar taxa de presença para 90% em 60 dias"],
            "estrategias": [
              {"nome": "Reforço de leitura", "categoria": "academico", "descricao_curta": "Sessões de leitura guiada semanal"}
            ],
            "acomodacoes_sala": ["Tempo adicional para tarefas"],
            "recursos_adicionais": ["Sala de apoio"],
            "frequencia": {"semanal": 3, "duracao_sessao_min": 30},
            "responsaveis": [
              {"papel": "Professor regente"},
              {"papel": "Professor de apoio"}
            ],
            "metricas_sucesso": [
              {"indicador": "taxa_presenca", "baseline": 0.82, "alvo": 0.90, "prazo_dias": 60}
            ],
            "revisao_em_dias": 30
          },
          "justificativa_plano": ["Baseado em evidências de baixa presença e dificuldades acadêmicas"]
        }
      ]
    } 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 20.000 caracteres, podendo variar conforme a quantidade de alunos e complexidade dos planos de intervenção propostos.

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 Conformidade e Confidencialidade (RF 4).

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Conformidade e Confidencialidade (RF 4).

RF 4. Agente de Conformidade e Confidencialidade

4.1 Tarefa do Agente

Garantir precisão mínima, anonimização adequada, minimização de dados e conformidade com confidencialidade antes da saída final.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo saídas agregadas dos agentes anteriores por aluno, contendo avaliações de risco e planos de intervenção.

# 2. Objetivo
Garantir que as saídas estejam precisas, anonimizadas e em conformidade com as diretrizes de confidencialidade antes da entrega final.

# 3. Regras que você deve seguir para gerar sua resposta
- Remova dados pessoais sensíveis além de aluno_id (ex.: nome, endereço, telefone, e-mail, nomes de responsáveis). Liste-os em campos_pii_removidos.
- Marque anonimizado=true quando apenas aluno_id persistir como identificador; caso contrário, false.
- Valide precisão mínima: pelo menos 2 evidências distintas devem sustentar risco_identificado=true; se menos, defina precisao_validada=false e registre motivo.
- Assegure consistência: se nivel_risco='alto' mas escore_risco<75, corrija nivel_risco para a faixa correspondente sem alterar escore; anote ajuste no resumo_auditoria.
- Verifique ausência de linguagem diagnóstica (termos como 'TDAH', 'dislexia' como diagnóstico). Se aparecer, substitua por 'sinais de atenção/leitura' e registre substituições.
- Aplique minimização: inclua apenas campos estritamente necessários à intervenção e acompanhamento; mova qualquer campo extra para fora de saida_sanitizada e não o inclua no final.
- Defina confidencialidade_assegurada=true quando anonimizado=true e não houver PII restante; caso contrário, false.
- Preencha itens_verificados com: anonimização, ausência_diagnostico, consistencia_risco, evidencias_minimas, minimizacao_dados. Registre data_processo_iso8601 com timestamp atual.
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 JSON contendo avaliações de risco e planos de intervenção para cada 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 40.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output final deve ser um JSON sanitizado contendo apenas os dados necessários para a entrega final, assegurando a conformidade com confidencialidade e precisão.
  • Exemplo de Estrutura de Output:
     {
      "alunos": [
        {
          "aluno_id": "12345",
          "confidencialidade_assegurada": true,
          "anonimizado": true,
          "campos_pii_removidos": ["nome", "endereço"],
          "precisao_validada": true,
          "motivos_precisao_invalida": [],
          "resumo_auditoria": {
            "itens_verificados": ["anonimização", "ausência_diagnostico", "consistencia_risco", "evidencias_minimas", "minimizacao_dados"],
            "carimbos": {"data_processo_iso8601": "2025-12-22T10:22:00Z"}
          },
          "saida_sanitizada": {
            "avaliacao_risco": {
              "risco_identificado": true,
              "escore_risco_0_100": 80,
              "nivel_risco": "alto"
            },
            "plano_intervencao": {
              "objetivos_smart": ["Aumentar taxa de presença para 90% em 60 dias"],
              "estrategias": [
                {"nome": "Reforço de leitura", "categoria": "academico", "descricao_curta": "Sessões de leitura guiada semanal"}
              ],
              "acomodacoes_sala": ["Tempo adicional para tarefas"],
              "recursos_adicionais": ["Sala de apoio"],
              "frequencia": {"semanal": 3, "duracao_sessao_min": 30},
              "responsaveis": [
                {"papel": "Professor regente"},
                {"papel": "Professor de apoio"}
              ],
              "metricas_sucesso": [
                {"indicador": "taxa_presenca", "baseline": 0.82, "alvo": 0.90, "prazo_dias": 60}
              ],
              "revisao_em_dias": 30
            }
          }
        }
      ]
    } 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 25.000 caracteres, podendo variar conforme a quantidade de alunos e complexidade dos dados sanitizados.

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 (JSON sanitizado) 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 JSON gerado é o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.