1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória e demais requisitos funcionais para o agente de IA "Análise de Dados de Desempenho Acadêmico". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é permitir a análise automatizada de dados acadêmicos para identificar padrões de desempenho e sugerir intervenções necessárias, reduzindo a carga de trabalho manual.
2. Contexto e Problema
Cenário Atual
O sistema educacional enfrenta desafios significativos na identificação de padrões de desempenho acadêmico que possam indicar a necessidade de intervenção. Atualmente, a análise é realizada manualmente, o que é demorado e propenso a erros.
Problemas Identificados
- Dificuldade em identificar padrões: A análise manual torna difícil a identificação de padrões que indicam necessidade de intervenção.
- Tempo de análise: O processo manual é demorado, atrasando a implementação de medidas corretivas.
3. Impactos Esperados
Com a implementação desse agente de IA, espera-se alcançar os seguintes resultados:
- Redução do tempo de análise em pelo menos 70%.
- Aumento na precisão da identificação de padrões de desempenho.
- Implementação mais rápida de intervenções necessárias.
4. Visão Geral da Solução
O agente de IA para análise de dados de desempenho acadêmico processa dados em formato CSV, aplica algoritmos para identificar padrões e sugere intervenções necessárias. 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 análise de desempenho acadêmico.
A solução consiste em um fluxo de automação composto por um agente de IA. O processo inicia com o envio de dados acadêmicos e termina com a geração de um relatório de padrões e sugestões de intervenção.
| Agentes | Função Principal |
|---|---|
Agente de Análise de Desempenho Acadêmico (RF 1)
| Analisar dados acadêmicos para identificar padrões de sucesso e áreas que necessitam de intervenção. |
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram o fluxo de trabalho do agente e o resultado final que os educadores receberão. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Análise de Desempenho Acadêmico
1.1 Tarefa do Agente
Analisar dados de desempenho acadêmico dos alunos para identificar padrões de sucesso e áreas que necessitam de intervenção.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados de desempenho acadêmico em formato CSV. Esses dados incluem informações como 'nome do aluno', 'nota', 'matéria', e 'data de avaliação'. # 2. Objetivo Analisar os dados para identificar padrões de sucesso e áreas que necessitam de intervenção, sugerindo medidas de apoio baseadas nos resultados. # 3. Regras que você deve seguir para gerar sua resposta - Utilize algoritmos de análise de dados para detectar tendências de melhora ou piora no desempenho dos alunos ao longo do tempo. - Identifique alunos que consistentemente ficam abaixo da média da turma e categorize-os como necessitando de intervenção. - Proponha medidas de apoio personalizadas com base nas dificuldades identificadas, como tutoria ou aconselhamento acadêmico. - Destaque padrões de sucesso observando alunos que apresentam desempenho acima da média e identifique práticas que podem ser replicadas. # 4. Exemplo de Output que você deve produzir **Padrões de Sucesso:** - Alunos que consistentemente têm notas acima de 90 em Matemática. **Áreas de Intervenção Necessária:** - Alunos que precisam de apoio em Ciências. **Medidas de Apoio Recomendadas:** - Sessões de tutoria em Matemática e Ciências.
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 dados de desempenho acadêmico via API. Na fase de testes, os dados serão enviados diretamente por upload de um arquivo 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 acadêmico.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.csv. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 50.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório formatado em **Markdown**. O relatório deve conter seções como 'Padrões de Sucesso', 'Áreas de Intervenção Necessária', e 'Medidas de Apoio Recomendadas'.
-
Exemplo de Estrutura de Output:
**Padrões de Sucesso:** - Alunos que consistentemente têm notas acima de 90 em Matemática. **Áreas de Intervenção Necessária:** - Alunos que precisam de apoio em Ciências. **Medidas de Apoio Recomendadas:** - Sessões de tutoria em Matemática e Ciências.
- Número de caracteres esperado: O relatório final deve ser conciso e informativo, com um tamanho estimado em torno de 3.000 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: Utiliza lógica interna para análise de dados.
- 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 é o entregável final e não é passada para outros agentes internos.
1.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.