PrototipeAI | Agente de IA para Planejamento de Intervenções Educacionais

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 "Planejamento de Intervenções Educacionais", uma solução de automação projetada para sugerir planos de intervenção educacional personalizados com base na análise de desempenho dos alunos e em práticas pedagógicas eficazes. 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 dados de desempenho dos alunos em recomendações de intervenções educacionais eficazes, utilizando práticas pedagógicas comprovadas para melhorar o aprendizado de cada aluno.

2. Contexto e Problema

Cenário Atual

As instituições educacionais enfrentam desafios em planejar intervenções eficazes para grupos diversos de alunos devido à falta de personalização e base de dados. Atualmente, o processo de planejamento de intervenções é manual e carece de uma análise aprofundada dos dados de desempenho dos alunos.

Falta de intervenções educacionais personalizadas e baseadas em dados.
Dificuldade em planejar intervenções eficazes para grupos diversos de alunos.

Problemas Identificados

Falta de personalização: As intervenções educacionais são muitas vezes padronizadas e não levam em conta as necessidades individuais dos alunos.
Análise de dados ineficaz: Os dados de desempenho dos alunos não são analisados de forma eficaz para identificar áreas de dificuldade e planejar intervenções.
Recursos limitados: As instituições educacionais enfrentam limitações em termos de tempo, materiais e suporte docente para implementar intervenções eficazes.

3. Impactos Esperados

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

Melhorar a personalização das intervenções educacionais para atender às necessidades individuais dos alunos.
Aumentar a eficácia das intervenções educacionais por meio da análise de dados de desempenho dos alunos.
Otimizar o uso de recursos nas instituições educacionais, garantindo que as intervenções sejam viáveis e adaptadas ao contexto.

4. Visão Geral da Solução

O agente de IA para planejamento de intervenções educacionais analisa dados de desempenho dos alunos e sugere intervenções educacionais personalizadas utilizando práticas pedagógicas comprovadas. 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 planejamento de intervenções educacionais personalizadas.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a análise dos dados de desempenho dos alunos e termina com a sugestão de práticas pedagógicas eficazes.

A execução dos agentes é sequencial e linear, conforme detalhado na tabela abaixo.

Agentes	Função Principal
`Agente de Análise de Desempenho dos Alunos` (RF 1)	Analisar dados de desempenho dos alunos para identificar necessidades de intervenção educacional.
`Agente de Sugestão de Práticas Pedagógicas` (RF 2)	Sugerir práticas pedagógicas eficazes baseadas em dados de desempenho dos alunos.

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

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Análise de Desempenho dos Alunos

1.1 Tarefa do Agente

Analisar dados de desempenho dos alunos para identificar necessidades de intervenção educacional.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de desempenho dos alunos em formato CSV. Estes dados incluem informações como nome, nota, disciplina e turma de cada aluno.

# 2. Objetivo
Analisar os dados de desempenho para identificar áreas de dificuldade específicas para cada aluno e classificar o nível de necessidade de intervenção.

# 3. Regras que você deve seguir para gerar sua resposta
- Analise os dados de desempenho para identificar áreas de dificuldade específicas para cada aluno, considerando notas abaixo da média como um indicador primário.
- Classifique os alunos com base no nível de necessidade de intervenção, utilizando critérios de desempenho acadêmico e frequência de dificuldades.
- Para alunos com dificuldades persistentes em múltiplas disciplinas, priorize a identificação de padrões que possam indicar problemas subjacentes mais amplos, como dificuldades de aprendizagem.
- Ao sugerir intervenções, considere o histórico de desempenho do aluno, adaptando as recomendações para abordar não apenas as dificuldades atuais, mas também para prevenir futuras ocorrências.

# 4. Exemplo de Output que você deve produzir
{
  "aluno_id": 12345,
  "necessidades_de_intervencao": [
    {
      "disciplina": "Matemática",
      "nivel_de_necessidade": "Alta",
      "recomendacoes": "Reforço em álgebra básica."
    }
  ]
}

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 CSV contendo dados de desempenho 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 CSV na interface da Prototipe AI, para acelerar o processo de validação.
Tipo do input: O input inicial para o fluxo é um arquivo CSV contendo dados de desempenho dos alunos.
Formatos Suportados: Esse agente deve ser capaz de receber arquivos nos formatos: .csv.
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 com recomendações de intervenções educacionais para cada aluno.

Exemplo de Estrutura de Output:

 {
  "aluno_id": 12345,
  "necessidades_de_intervencao": [
    {
      "disciplina": "Matemática",
      "nivel_de_necessidade": "Alta",
      "recomendacoes": "Reforço em álgebra básica."
    }
  ]
}

Número de caracteres esperado: O JSON final deve ser conciso e informativo, com 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 Sugestão de Práticas Pedagógicas (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Sugestão de Práticas Pedagógicas (RF 2).

RF 2. Agente de Sugestão de Práticas Pedagógicas

2.1 Tarefa do Agente

Sugerir práticas pedagógicas eficazes baseadas em dados de desempenho dos alunos.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com necessidades de intervenção educacional para cada aluno, gerado pelo agente anterior.

# 2. Objetivo
Sugerir práticas pedagógicas eficazes para cada intervenção proposta, adaptando-as ao contexto educacional e ao perfil do aluno.

# 3. Regras que você deve seguir para gerar sua resposta
- Utilize um banco de dados de práticas pedagógicas comprovadas, selecionando aquelas que se alinham com as necessidades específicas de cada aluno.
- Adapte as práticas pedagógicas sugeridas ao contexto educacional e ao perfil do aluno, garantindo que a implementação seja realista e personalizada.
- Verifique a viabilidade das práticas sugeridas considerando os recursos disponíveis na instituição educacional, como tempo, materiais e suporte docente.
- Inclua recomendações para o acompanhamento e avaliação contínua da eficácia das práticas pedagógicas, ajustando conforme necessário com base no feedback e nos resultados observados.

# 4. Exemplo de Output que você deve produzir
{
  "aluno_id": 12345,
  "praticas_pedagogicas": [
    {
      "pratica": "Tutoria individual",
      "recursos_necessarios": "Professor tutor, material de apoio",
      "avaliacao": "Acompanhar o progresso semanalmente."
    }
  ]
}

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 com necessidades de intervenção educacional 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 até 10.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser um JSON estruturado com sugestões de práticas pedagógicas para cada intervenção proposta.