Banca de QUALIFICAÇÃO: JOÃO CARLOS HERCULANO DA SILVA QUEIROZ

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : JOÃO CARLOS HERCULANO DA SILVA QUEIROZ
DATA : 26/05/2026
HORA: 14:00
LOCAL: https://meet.google.com/kkh-uvgp-yku
TÍTULO:

UMA ARQUITETURA DE REFERÊNCIA MULTIAGENTE BASEADA EM MODELOS DE LINGUAGEM DE LARGA ESCALA PARA A GERAÇÃO AUTOMÁTICA DE SISTEMAS DE TUTORÍA INTELIGENTE UNPLUGGED

PALAVRAS-CHAVES:

Sistemas de Tutoria Inteligente; example-tracing tutors; Modelos de Linguagem de Larga Escala; Sistemas Multiagente; Bayesian Knowledge Tracing; tutoria unplugged.

PÁGINAS: 120
RESUMO:

Sistemas de Tutoria Inteligente (STI) são sistemas computacionais que personalizam a interação educacional, e há consenso na literatura sobre sua eficácia pedagógica: meta-análises de referência reportam ganho de aprendizagem da ordem de d = 0,76 para STI bem desenhados, próximo ao d = 0,79 observado para tutoria humana individualizada. Apesar dessa evidência, a adoção desses sistemas em escolas públicas brasileiras permanece muito limitada por dois motivos. Primeiro, o custo histórico de autoria manual é elevado, da ordem de duzentas a trezentas horas de trabalho especializado por hora de conteúdo tutorizado. Segundo, a infraestrutura de conectividade nas escolas das regiões Norte e Nordeste impede o uso de tutores baseados em modelos hospedados em nuvem, o que torna necessário pensar em soluções que operem em modo unplugged, autonomamente no dispositivo do aluno. Esta pesquisa propõe e investiga uma arquitetura de referência multi-agente fundamentada em Modelos de Linguagem de Larga Escala (LLM) para a geração automática de STI unplugged do tipo example-tracing. A arquitetura é descrita em nível pedagógico, independente de tecnologias específicas, e organiza-se em torno de doze papéis funcionais agrupados em duas fases: a Fase 1 produz o modelo cognitivo do tutor (decomposição em Knowledge Components, problemas-semente em quatro estratégias didáticas e três agentes simuladores de aluno com perfis avançado, em risco e mediano); a Fase 2 instância os exercícios (escrita, design visual, revisão cross-model e validação final). A síntese do grafo de comportamento é realizada por um algoritmo determinístico, o que confere ao tutor garantias estruturais por construção. A pesquisa estrutura-se em torno de duas questões. A primeira indaga se o pipeline pode gerar tutores com qualidade pedagógica comparável à de tutores construídos por especialistas humanos; a segunda, se os tutores gerados produzem efetividade na aprendizagem comparável em uso real. A avaliação articula cinco instrumentos em torno de cinco desfechos pedagogicamente relevantes: a taxonomia de oito dimensões pedagógicas de Maurya et al. (2025), para qualidade do tutor; o Instructional Materials Motivation Survey em versão brasileira IMMS-BRV (Cardoso-Júnior et al., 2021), com 25 itens em quatro dimensões, para motivação do aluno; a Equalis-OAS (Trindade et al., 2018), com 46 itens em três dimensões, para usabilidade percebida pelo professor; a análise de curvas de aprendizagem extraídas dos logs do Bayesian Knowledge Tracing via biblioteca pyBKT, para consistência do modelo de aluno; e um estudo quase-experimental com pré-teste e pós-teste em escolas do semiárido potiguar, para impacto na aprendizagem. Resultados preliminares obtidos durante o desenvolvimento sustentam três decisões de projeto. A síntese determinística do grafo por algoritmo dedicado mostrou-se mais estável estruturalmente do que a síntese por agente baseado em LLM. Tentativas de ajuste fino de um modelo de linguagem de aproximadamente catorze bilhões de parâmetros não produziram, neste momento, ganho perceptível em comparação ao uso de modelos pré-treinados de fronteira, sugerindo que a estratégia tecnológica primária deve recair sobre estes últimos. Avaliações iniciais indicam que tutores gerados pelo pipeline atingem escore agregado da taxonomia de Maurya na faixa típica reportada na literatura para sistemas baseados em LLM. Essas evidências, embora preliminares, sustentam a viabilidade da arquitetura proposta e motivam a sua avaliação sistemática em campo.

MEMBROS DA BANCA:
Interno - 1248619 - GEISER CHALCO CHALLCO
Externo à Instituição - IG IBERT BITTENCOURT
Interno - 1245044 - PATRICIO DE ALENCAR SILVA