1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória e transição entre estados para o Agente de IA para Previsão de Desempenho Acadêmico Futuro. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é utilizar dados históricos para prever o desempenho futuro dos alunos, permitindo a implementação de ações preventivas e proativas para melhorar o desempenho acadêmico.
2. Contexto e Problema
Cenário Atual
As instituições educacionais enfrentam desafios significativos ao tentar prever o desempenho futuro dos alunos com base em dados históricos. A falta de previsões precisas limita a capacidade das escolas de implementar ações preventivas que possam melhorar o desempenho dos alunos.
Problemas Identificados
- Dificuldade em prever o desempenho: A previsão do desempenho acadêmico futuro é complexa e muitas vezes imprecisa, devido à variabilidade nos dados históricos e fatores externos não considerados.
- Necessidade de ações preventivas: Sem previsões confiáveis, as instituições não conseguem implementar intervenções eficazes e tempestivas.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Aumentar a precisão das previsões do desempenho acadêmico dos alunos.
- Permitir ações proativas e preventivas baseadas em dados, melhorando o suporte acadêmico.
- Reduzir a evasão escolar ao identificar alunos em risco antes que seus desempenhos declinem significativamente.
4. Visão Geral da Solução
O agente de IA para previsão de desempenho acadêmico utiliza dados históricos dos alunos para prever seu desempenho futuro, sugerindo ações preventivas e proativas. 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 previsão e melhoria do desempenho acadêmico.
A solução consiste em um fluxo de automação onde o agente analisa dados históricos, gera previsões e sugere intervenções personalizadas para cada aluno.
| Agente | Função Principal |
|---|---|
Agente de Previsão de Desempenho Acadêmico (RF 1)
| Utilizar dados históricos para prever o desempenho futuro dos alunos e sugerir ações preventivas. |
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram como o agente processa dados e gera previsões. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Previsão de Desempenho Acadêmico
1.1 Tarefa do Agente
Utilizar dados históricos para prever o desempenho futuro dos alunos, classificando o desempenho previsto e sugerindo ações preventivas e proativas.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados históricos de desempenho acadêmico dos alunos. Esses dados incluem notas, frequência e participação em atividades extracurriculares. # 2. Objetivo Utilizar esses dados para prever o desempenho futuro dos alunos e sugerir ações preventivas e proativas. # 3. Regras que você deve seguir para gerar sua resposta - Extraia padrões e tendências dos dados históricos de desempenho acadêmico. - Aplique modelos estatísticos avançados para gerar previsões precisas do desempenho futuro. - Classifique o desempenho previsto em categorias específicas: 'alto', 'médio' e 'baixo'. - Defina ações preventivas e proativas adequadas para cada categoria de desempenho prevista. - Proponha intervenções personalizadas, como tutoria ou participação em grupos de estudo, com base nas análises realizadas. - Atualize regularmente as previsões e recomendações à medida que novos dados se tornem disponíveis, garantindo relevância e precisão.
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 históricos de desempenho acadêmico dos alunos via API após o término de cada semestre. Na fase de testes, os dados serão enviados pelo agente diretamente por upload de um 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 históricos de desempenho acadêmico 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 arquivo JSON contendo as previsões de desempenho e as ações sugeridas.
-
Exemplo de Estrutura de Output:
{ "aluno_id": "12345", "previsao_desempenho": "alto", "acoes_sugeridas": ["tutoria", "participação em grupos de estudo"] } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.000 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 não é passada para outros agentes, pois é o resultado final.
1.3.6 Regras de Orquestração e Transição
Este agente é autônomo e não aciona outros agentes após sua execução.