Das Montanhas de Minas ao Oceano: Os Caminhos da Ciência para um Futuro Sustentável
20 a 25 de outubro de 2025
Trabalho 21901
| Instituição | Universidade Federal de Viçosa |
|---|---|
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Engenharia/Tecnologia |
| Setor | Instituto de Ciências Exatas e Tecnológicas |
| Bolsa | FUNARBIC/FUNARBE |
| Conclusão de bolsa | Sim |
| Apoio financeiro | FUNARBE |
| Primeiro autor | Alan Araújo dos Reis |
| Orientador | GLAUCIA BRAGA E SILVA |
| Outros membros | DANIEL MENDES BARBOSA, Gabriel Rodrigues Marques, HELDER CANTO RESENDE, PHILIPE DE FREITAS MELO |
| Título | Agente pedagógico inteligente para detectar confusão em alunos durante práticas em laboratório virtual |
| Resumo | Ambientes virtuais de aprendizagem baseados em práticas autônomas, como o UFV Virtual Labs, frequentemente expõem alunos a dificuldades emocionais, especialmente a confusão, que impacta negativamente o desempenho e a motivação. O presente trabalho teve como objetivo desenvolver o agente pedagógico inteligente R.O.S.A. (Recomendação Orientada por Sinais Afetivos), capaz de identificar sinais comportamentais indicativos de confusão durante práticas laboratoriais simuladas e, a partir desta detecção, coordenar intervenções adaptativas em tempo real. A metodologia empregada compreendeu inicialmente uma revisão teórica das áreas de computação afetiva, agentes pedagógicos e inferência emocional baseada em comportamento. Em seguida, foi estruturado um sistema composto por uma arquitetura híbrida, com backend desenvolvido em FastAPI, responsável por processar dados de interação dos alunos coletados durante as simulações na plataforma Unity WebGL. Os dados comportamentais modelados incluíram tempo de interação, quantidade de erros e contadores específicos para cada ação e objeto da prática, totalizando 107 variáveis por amostra. A partir da construção manual de um conjunto inicial com 50 amostras rotuladas, foi gerado um dataset sintético com 10.000 exemplos para treinamento de modelos de aprendizado de máquina. Foram testados algoritmos como Random Forest, Gradient Boosting e SVM, avaliados por meio de validação cruzada, sendo selecionado aquele que apresentou melhor equilíbrio entre precisão e recall na detecção da confusão. O modelo final foi integrado à API da R.O.S.A., que recebe dados da simulação, realiza a inferência emocional e, em caso de confusão detectada, aciona um sistema complementar de geração textual para produção de intervenções pedagógicas personalizadas. Os principais resultados incluem a entrega de um agente funcional, com arquitetura modular e capaz de identificar, de forma autônoma e em ambiente de teste, padrões associados à confusão, validando sua aplicabilidade para integração futura à plataforma UFV Virtual Labs. Conclui-se que o agente R.O.S.A. cumpre seu objetivo ao fornecer uma solução viável para apoiar alunos em práticas autônomas, consolidando uma metodologia replicável para o desenvolvimento de tecnologias educacionais sensíveis ao estado emocional dos estudantes. |
| Palavras-chave | Agente Pedagógico Inteligente, Computação Afetiva, Inteligência Artificial |
| Apresentações |
|
Clique na forma de apresentação para ver a apresentação.
| Link para apresentação | Vídeo |
|---|