Agente de IA para Avaliação de Desempenho Acadêmico de Alunos

13 de November de 2025 • Tempo de leitura: 5 min

Como criar um agente de IA que analisa dados de avaliações, trabalhos e participação dos alunos.

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 "Avaliação de Desempenho Acadêmico de Alunos", uma solução de automação projetada para analisar dados de avaliações, trabalhos e participação dos alunos e gerar relatórios de desempenho acadêmico detalhados. 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 acadêmicos em relatórios personalizados que fornecem insights sobre o desempenho e áreas de melhoria para cada aluno, reduzindo o tempo gasto por educadores na análise manual de dados.

2. Contexto e Problema

Cenário Atual

Educadores enfrentam desafios significativos ao analisar dados acadêmicos de alunos de forma manual, o que consome tempo e dificulta a geração de relatórios detalhados e personalizados. As principais dificuldades incluem:

  • Análise manual de dados acadêmicos, que consome tempo significativo dos educadores.
  • Falta de relatórios detalhados e personalizados sobre o desempenho dos alunos.

Problemas Identificados

  • Consumo de tempo: A análise manual de dados acadêmicos consome tempo que poderia ser usado para atividades mais estratégicas.
  • Relatórios insuficientes: A falta de automatização resulta em relatórios que não são suficientemente detalhados ou personalizados.

3. Impactos Esperados

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

  • Reduzir o tempo de análise de dados em pelo menos 70%.
  • Aumentar a qualidade e personalização dos relatórios de desempenho acadêmico.
  • Fornecer insights acionáveis para melhorias no aprendizado dos alunos.

4. Visão Geral da Solução

O agente de IA para avaliação de desempenho acadêmico de alunos processa dados de avaliações, trabalhos e participação, aplica regras de análise e gera relatórios detalhados que destacam o desempenho e áreas de melhoria para cada aluno. 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 avaliação de desempenho acadêmico.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a coleta e análise de dados acadêmicos e termina com a geração de relatórios personalizados.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.

Agentes Função Principal
Agente de Coleta e Análise de Dados Acadêmicos (RF 1) Coletar e analisar dados de avaliações, trabalhos e participação dos alunos.
Agente de Geração de Relatórios de Desempenho (RF 2) Gerar relatórios detalhados e personalizados sobre o desempenho acadêmico 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.

6. Requisitos Funcionais

RF 1. Agente de Coleta e Análise de Dados Acadêmicos

1.1 Tarefa do Agente

Coletar e analisar dados de avaliações, trabalhos e participação dos alunos para identificar padrões de desempenho e áreas de melhoria.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de avaliações, trabalhos e participação dos alunos em formato CSV ou planilha.

# 2. Objetivo
Coletar e analisar esses dados para identificar padrões de desempenho e áreas de melhoria para cada aluno.

# 3. Regras que você deve seguir para gerar sua resposta
- Extrair dados de avaliações, trabalhos e participação dos alunos de arquivos CSV ou planilhas, garantindo que todos os campos necessários estejam presentes e corretos.
- Analisar os dados extraídos para identificar padrões de desempenho, utilizando métricas como médias, medianas e frequências de participação.
- Identificar áreas de melhoria para cada aluno com base nos dados analisados, destacando disciplinas ou tópicos onde o desempenho está abaixo da média.
- Se houver dados faltantes ou discrepâncias significativas nos dados extraídos, marque como dados_incompletos e sinalize para revisão manual antes de prosseguir para a próxima etapa. 
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 acadêmicos em formato CSV ou planilha 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 arquivo na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo são dados acadêmicos em formato CSV ou planilha.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .csv, .xlsx.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 100.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo a análise preliminar dos dados coletados, incluindo padrões de desempenho e áreas de melhoria identificadas.
  • Exemplo de Estrutura de Output:
     {
      "analise_preliminar": {
        "padroes_desempenho": [
          {
            "aluno_id": "123",
            "desempenho_geral": "acima da média",
            "areas_melhoria": ["matemática", "ciências"]
          }
        ]
      }
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres, podendo variar conforme a quantidade de dados analisados.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

1.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para cálculos de métricas.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Relatórios de Desempenho (RF 2).

RF 2. Agente de Geração de Relatórios de Desempenho

2.1 Tarefa do Agente

Gerar relatórios detalhados e personalizados sobre o desempenho acadêmico dos alunos, com base na análise preliminar dos dados.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON estruturado com a análise preliminar dos dados dos alunos.

# 2. Objetivo
Gerar relatórios detalhados e personalizados sobre o desempenho acadêmico dos alunos, fornecendo insights específicos e sugestões de melhoria.

# 3. Regras que você deve seguir para gerar sua resposta
- Compilar os dados analisados em relatórios detalhados, destacando o desempenho geral e individual de cada aluno.
- Fornecer insights específicos sobre áreas de melhoria para cada aluno, sugerindo estratégias de aprendizado ou recursos adicionais que possam ajudar a melhorar o desempenho.
- Personalizar cada relatório com base nas necessidades e histórico de desempenho do aluno, garantindo que as recomendações sejam relevantes e acionáveis.
- Incluir visualizações de dados, como gráficos ou tabelas, para ilustrar tendências de desempenho e facilitar a compreensão dos resultados por parte dos educadores e alunos. 
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 um JSON estruturado com a análise preliminar dos dados dos alunos.
  • 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 5.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um conjunto de relatórios de desempenho acadêmico detalhados em formato Markdown, incluindo insights e sugestões de melhoria para cada aluno.
  • Exemplo de Estrutura de Output:
     **Relatório de Desempenho Acadêmico**
    
    **Aluno:** João Silva
    
    **Desempenho Geral:** Acima da média
    
    **Áreas de Melhoria:** Matemática, Ciências
    
    **Sugestões de Melhoria:**
    - Reforçar conceitos de álgebra básica
    - Participar de grupos de estudo em ciências
    
    **Visualizações:**
    - Gráficos de desempenho por matéria
    - Tabelas de frequência de participação 
  • Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 7.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para gerar visualizações de dados.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas 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 é o entregável final e não é passada para outros agentes internos.

2.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. Os relatórios gerados são o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.