Agente de IA para Monitoramento de Participação em Aulas Online

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

Como criar um agente de IA que monitora a participação de alunos em aulas online, analisando interações e engajamento.

Biblioteca de Prompts e Agentes

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 "Monitoramento de Participação em Aulas Online", uma solução de automação projetada para monitorar a participação dos alunos em aulas online. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é analisar as interações dos alunos durante as aulas, identificar níveis de engajamento e sugerir intervenções pedagógicas, proporcionando uma melhor compreensão do desempenho dos alunos e permitindo ações mais direcionadas.

2. Contexto e Problema

Cenário Atual

Com o aumento das aulas online, há uma necessidade crescente de ferramentas que permitam aos educadores monitorar a participação e o engajamento dos alunos de forma eficaz. Os principais problemas enfrentados atualmente incluem:

  • Falta de visibilidade sobre o nível de participação dos alunos em aulas online.
  • Dificuldade em identificar alunos que precisam de intervenções pedagógicas.

Atualmente, os educadores dependem de métodos manuais e subjetivos para avaliar a participação dos alunos, o que pode resultar em avaliações imprecisas e intervenções inadequadas.

3. Impactos Esperados

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

  • Aumentar a visibilidade sobre a participação e o engajamento dos alunos em aulas online.
  • Identificar proativamente alunos que necessitam de intervenções pedagógicas.
  • Aprimorar a qualidade das intervenções educacionais através de dados precisos e acionáveis.

4. Visão Geral da Solução

O agente de IA para monitoramento de participação em aulas online analisa interações dos alunos em tempo real, calcula níveis de engajamento e sugere intervenções pedagógicas baseadas em dados. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente útil e autônomo no monitoramento do engajamento dos alunos.

A solução consiste em um fluxo de automação composto por 6 agentes de IA. O processo inicia com a recuperação de eventos de aula e termina com a geração de um registro final consolidado para cada aluno.

A execução dos agentes é sequencial, seguindo a ordem definida na tabela abaixo:

Agentes Função Principal
Agente de Execução de Chamada à API (Recuperação de Eventos de Aula) (RF 1) Realizar chamada às APIs das plataformas de videoconferência/LMS para obter eventos brutos de presença e interação por aula.
Agente de Normalização e Consolidação de Eventos (RF 2) Padronizar e consolidar eventos brutos em métricas por aluno-aula.
Agente de Cálculo de Score de Engajamento (RF 3) Calcular o score de engajamento (0-100) e o nível categórico por aluno-aula.
Agente de Sinalização de Risco e Critérios de Intervenção (RF 4) Identificar alunos com risco de baixo aprendizado e definir prioridade de intervenção.
Agente de Geração de Intervenções Pedagógicas (RF 5) Sugerir intervenções pedagógicas específicas e acionáveis conforme os motivos de risco identificados.
Agente de Compilação de Saída Final (RF 6) Consolidar em um registro final por aluno-aula contendo presença, nível de engajamento e intervenção sugerida.

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

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Execução de Chamada à API (Recuperação de Eventos de Aula)

1.1 Tarefa do Agente

Realizar chamada às APIs das plataformas de videoconferência/LMS para obter eventos brutos de presença e interação por aula.

1.2 Prompt ou Instruções do Agente 
 # Contexto e explicações sobre inputs iniciais
Você deve realizar chamadas às APIs das plataformas de videoconferência/LMS para obter eventos brutos de presença e interação por aula.

# Objetivo
Realizar chamadas às APIs das plataformas de videoconferência/LMS para obter eventos brutos de presença e interação por aula.

# Regras que você deve seguir para gerar sua resposta
- Executar a chamada à API com o payload recebido e retornar os dados crus sem transformações.
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 payload pronto contendo: { aula_id: string, periodo_inicio: ISO8601, periodo_fim: ISO8601, lista_alunos: [aluno_id], endpoints: {presenca_url, interacoes_url}, credenciais: {token}, parametros_plataforma: {timezone, granularidade_evento} }.
  • Formatos Suportados: JSON
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 20.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo os eventos brutos de presença e interação por aula.
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 50.000 caracteres.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

1.3.4 Ferramentas do Agente

  • Sistemas Externos: Conectar-se às APIs das plataformas de videoconferência/LMS para obter eventos brutos.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Normalização e Consolidação de Eventos (RF 2).

RF 2. Agente de Normalização e Consolidação de Eventos

2.1 Tarefa do Agente

Padronizar e consolidar eventos brutos em métricas por aluno-aula.

2.2 Prompt ou Instruções do Agente 
 # Contexto e explicações sobre inputs iniciais
Você está recebendo eventos brutos de presença e interação por aula.

# Objetivo
Padronizar e consolidar eventos brutos em métricas por aluno-aula.

# Regras que você deve seguir para gerar sua resposta
- Unificar timestamps para UTC mantendo timezone de referência recebido em parametros_plataforma.
- Deduplicar eventos idempotentes usando chave composta {aluno_id, timestamp, tipo_evento, hash_metadados}.
- Calcular minutos_conectado somando intervalos entre 'join' e 'leave'; se faltar 'leave', truncar no periodo_consultado.fim.
- Contar reconexoes como quantidade de eventos 'join' após o primeiro.
- Somar camera_on_min e mic_on_min por janelas entre on/off; se on sem off, truncar no próximo leave ou no fim do período.
- Contar msgs_chat como quantidade de eventos 'chat_msg' do aluno; ignorar mensagens do host/assistente.
- Contar reacoes por eventos 'reacao'.
- Contar respostas_quiz por 'enquete_resp' e perguntas_orais por 'pergunta'.
- Estimar tempo_inatividade_min como soma de lacunas > 10 min sem eventos do aluno enquanto conectado.
- Calcular atraso_entrada_min como diferença entre horario_oficial_inicio e primeiro 'join' positivo; se negativo, usar 0.
- Calcular saida_antecipada_min como diferença entre horario_oficial_fim e último 'leave'; se negativo, usar 0.
- Tratar outliers: cap minutos_conectado ao máximo de duração_da_aula + 5 min; descartar eventos com timestamp fora do período_consultado.
- Mesclar intervalos sobrepostos se múltiplos dispositivos por aluno.
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).
  • Formatos Suportados: JSON
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 50.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo métricas consolidadas por aluno-aula.
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 10.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.

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 Cálculo de Score de Engajamento (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Cálculo de Score de Engajamento (RF 3).

RF 3. Agente de Cálculo de Score de Engajamento

3.1 Tarefa do Agente

Calcular o score de engajamento (0-100) e o nível categórico por aluno-aula.

3.2 Prompt ou Instruções do Agente 
 # Contexto e explicações sobre inputs iniciais
Você está recebendo métricas consolidadas por aluno-aula.

# Objetivo
Calcular o score de engajamento (0-100) e o nível categórico por aluno-aula.

# Regras que você deve seguir para gerar sua resposta
- Normalizar cada componente em escala 0-100 antes do peso.
  presenca = 100 * clamp(minutos_conectado / duracao_min, 0, 1)
  interacao_verbal = min(100, 60*(mic_on_min/duracao_min) + 40*(perguntas_orais>=1 ? 1 : 0))
  interacao_texto = min(100, 70*log10(1+msgs_chat) + 30*log10(1+reacoes))
  respostas_atividade = min(100, 100*(respostas_quiz>=1 ? 1 : 0))
  postura = max(0, 100 - 2*tempo_inatividade_min - 0.5*atraso_entrada_min - 0.5*saida_antecipada_min)
- Pesos padrão: presenca 35%, interacao_verbal 20%, interacao_texto 15%, respostas_atividade 20%, postura 10%.
- Se parametros_aula.valoriza_camera=true, adicionar bônus de até +5 pontos proporcionais a camera_on_min/duracao_min.
- Engajamento_score = média ponderada arredondada a 1 casa decimal; limitar 0-100.
- Classificação: baixo < 50; medio 50-79.9; alto >= 80.
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).
  • Formatos Suportados: JSON
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 10.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo o score de engajamento e o nível categórico por aluno-aula.
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Sinalização de Risco e Critérios de Intervenção (RF 4).

RF 4. Agente de Sinalização de Risco e Critérios de Intervenção

4.1 Tarefa do Agente

Identificar alunos com risco de baixo aprendizado e definir prioridade de intervenção.

4.2 Prompt ou Instruções do Agente 
 # Contexto e explicações sobre inputs iniciais
Você está recebendo scores de engajamento por aluno-aula.

# Objetivo
Identificar alunos com risco de baixo aprendizado e definir prioridade de intervenção.

# Regras que você deve seguir para gerar sua resposta
- Calcular médias móveis na janela_aulas (padrão 3) por aluno.
- Regras de risco (acione motivos cumulativos):
  1) Engajamento instantâneo baixo (<50) => motivo 'engajamento_baixo_aula'.
  2) Queda abrupta >= 20 pontos vs média das 3 últimas => 'queda_abruta'.
  3) Presença efetiva < 60% da aula => 'baixa_presenca'.
  4) Zero interações (msgs_chat=0, perguntas_orais=0, respostas_quiz=0) com minutos_conectado>=30 => 'ausencia_interacao'.
  5) Média móvel < 60 nas últimas 3 => 'tendencia_baixa'.
- Mapear risco_nivel: alto se possuir 2+ motivos incluindo 'tendencia_baixa' ou 'baixa_presenca'; medio se 1-2 motivos; baixo caso contrário.
- Definir precisa_intervencao=true se risco_nivel != 'baixo'.
- Prioridade: 1 para risco 'alto', 2 para 'medio', 3 para 'baixo'.
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).
  • Formatos Suportados: 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 contendo sinais de risco e critérios de intervenção por aluno-aula.
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Intervenções Pedagógicas (RF 5).

RF 5. Agente de Geração de Intervenções Pedagógicas

5.1 Tarefa do Agente

Sugerir intervenções pedagógicas específicas e acionáveis conforme os motivos de risco identificados.

5.2 Prompt ou Instruções do Agente 
 # Contexto e explicações sobre inputs iniciais
Você está recebendo sinais de risco e critérios de intervenção por aluno-aula.

# Objetivo
Sugerir intervenções pedagógicas específicas e acionáveis conforme os motivos de risco identificados.

# Regras que você deve seguir para gerar sua resposta
- Mapear motivos para ações:
  'baixa_presenca' => tutoria + mensagem_personalizada.
  'engajamento_baixo_aula' => reforco_material + gamificacao.
  'ausencia_interacao' => mensagem_personalizada com convite a participar + tarefa curta de resposta obrigatória.
  'tendencia_baixa' => tutoria agendada + plano de estudo semanal.
  'queda_abruta' => checagem_bem_estar + contato breve.
- Selecionar até 2 ações por aluno priorizando: risco alto (tutoria + checagem_bem_estar), risco medio (mensagem_personalizada + reforco_material).
- Canal: usar contexto.canal_padrao; se prioridade=1, preferir contato síncrono via LMS/whatsapp quando permitido.
- Prazo: prioridade 1 => 2 dias; prioridade 2 => 5 dias.
- Construir mensagem_template com: saudacao com nome do professor, referência à aula_id (ou tema), evidência objetiva, proposta de ajuda e próximo passo claro.
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).
  • Formatos Suportados: JSON
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 5.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo sugestões de intervenções pedagógicas por aluno-aula.
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos 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 Compilação de Saída Final (RF 6).

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Compilação de Saída Final (RF 6).

RF 6. Agente de Compilação de Saída Final

6.1 Tarefa do Agente

Consolidar em um registro final por aluno-aula contendo presença, nível de engajamento e intervenção sugerida.

6.2 Prompt ou Instruções do Agente 
 # Contexto e explicações sobre inputs iniciais
Você está recebendo sugestões de intervenções pedagógicas por aluno-aula.

# Objetivo
Consolidar em um registro final por aluno-aula contendo presença, nível de engajamento e intervenção sugerida.

# Regras que você deve seguir para gerar sua resposta
- Definir presenca=true se minutos_conectado >= 50% da duracao_min; caso contrário, false.
- Mesclar por chave {aluno_id, aula_id}; se múltiplas intervenções, escolher a de maior prioridade.
- Garantir que nivel_engajamento seja o mesmo classificado pelo agente de score; engajamento_score arredondado a 1 casa decimal.
- Ordenar resultados por prioridade asc, depois por engajamento_score asc para consumo do docente.
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).
  • Formatos Suportados: JSON
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 5.000 caracteres.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo o registro final consolidado por aluno-aula.
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres.

6.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

6.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos 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 é o resultado final do fluxo e não é passada para outros agentes internos.

6.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.