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
- 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 Identificação de Risco de Necessidades Educacionais (RF 2).
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
- 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 Intervenção Educacional (RF 3).
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.