Banca de DEFESA: RYLLARI RAIANNE MARQUES DE SANTANA COSTA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : RYLLARI RAIANNE MARQUES DE SANTANA COSTA
DATA : 27/08/2026
HORA: 15:00
LOCAL: Centro de Pesquisa e Pós-Graducação em Ciência da Computação - UERN
TÍTULO:

ITS4LORE: Sistema de curadoria inteligente de Objetos de Aprendizagem em Robótica Educacional.

PALAVRAS-CHAVES:

Objetos de Aprendizagem; Repositórios de Objetos de Aprendizagem; Robótica Educacional; Curadoria de conteúdo digital; LLMs; Extração de metadados.

PÁGINAS: 116
RESUMO:

A educação desempenha papel crucial no desenvolvimento humano. Com a crescente influência das tecnologias na educação, os Objetos de Aprendizagem surgem como recursos relevantes para os processos de ensino-aprendizagem, e sua disseminação tem impulsionado a integração em ambientes centralizados, como os Repositórios de Objetos de Aprendizagem. No entanto, o crescimento desses repositórios traz desafios para garantir a qualidade e a relevância do conteúdo disponível. Considerando a complexidade e o volume de dados envolvidos, a curadoria realizada exclusivamente por humanos pode tornar-se onerosa e pouco escalável, destacando a demanda por abordagens automatizadas para dados provenientes de fontes heterogêneas. Diante dessa problemática, este trabalho objetiva desenvolver um sistema de curadoria inteligente para Repositórios de Objetos de Aprendizagem, baseado em Modelos de Linguagem de Grande Porte (LLMs), para Objetos de Aprendizagem aplicados à Robótica Educacional. Adotando os princípios da metodologia de Design Science proposta por Wieringa (2014), a pesquisa percorreu procedimentos de revisão narrativa da literatura, prototipagem e avaliação experimental. Desenvolveu-se o ITS4LORE, composto por uma arquitetura de referência em microsserviços e por um protótipo na forma de pipeline de coleta, classificação e extração de metadados, avaliado sobre páginas web, arquivos Portable Document Format (PDF) e vídeos. Na triagem, a classificação automática alcançou acurácia de até 91,7% entre as quatro abordagens comparadas, com os modelos de linguagem operando de forma competitiva em cenário zero-shot. Na extração, os metadados inferidos por dois modelos foram auditados por juízes com vivência em Robótica Educacional, por meio do Índice de Validade de Conteúdo (IVC) e do Coeficiente Kappa de Fleiss. O modelo acessado via Application Programming Interface (API) atingiu validade de conteúdo média de 0,908, satisfazendo o critério de referência, enquanto o modelo local alcançou 0,850. Os resultados evidenciam o processamento automatizado do lote experimental nas etapas avaliadas, com saídas sujeitas à validação humana.

MEMBROS DA BANCA:
Presidente - ***.691.924-** - SEBASTIÃO EMIDIO ALVES FILHO - UERN
Interno - 1855470 - BRUNO DE SOUSA MONTEIRO
Interno - ***.630.884-** - DARIO JOSÉ ALOISE - UFERSA
Externo à Instituição - AQUILES MEDEIROS FILGUEIRA BURLAMAQUI - UFRN