Agente de IA para Feedback Automatizado de Provas

02 de December de 2025 • Tempo de leitura: 5 min

Como criar um agente de IA que fornece feedback detalhado e personalizado para cada aluno com base nas respostas das provas.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Agente de IA de Feedback Automatizado de Provas, uma solução projetada para fornecer feedback detalhado e personalizado para cada aluno com base nas respostas das provas. 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 as respostas das provas em um feedback claro e acionável, destacando pontos fortes e áreas de melhoria para os alunos.

2. Contexto e Problema

Problemas Identificados

A ausência de feedback imediato e personalizado após a realização de provas é um problema significativo no ambiente educacional. Além disso, a dificuldade em identificar pontos fortes e áreas de melhoria de forma objetiva impede que alunos e professores tomem ações efetivas para melhorar o aprendizado. Os principais problemas incluem:

  • Falta de feedback imediato e personalizado após a realização de provas.
  • Dificuldade em identificar pontos fortes e áreas de melhoria de forma objetiva.

3. Impactos Esperados

A implementação deste agente visa alcançar os seguintes resultados:

  • Proporcionar feedback imediato e personalizado após a realização de provas.
  • Identificar objetivamente os pontos fortes e áreas de melhoria de cada aluno.
  • Aumentar a eficácia do aprendizado através de feedback acionável.

4. Visão Geral da Solução

O agente de IA para feedback automatizado de provas analisa as respostas das provas de cada aluno, aplica regras de correção e fornece feedback detalhado, destacando pontos fortes e áreas de melhoria. 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 provas e na geração de feedbacks personalizados para os alunos.

A solução consiste em um fluxo de automação composto por 4 agentes de IA. O processo inicia com a interpretação da prova e termina com a geração de um relatório sintético para o professor.

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

Agentes Função Principal
Agente de Interpretação da Prova e Gabarito (RF 1) Estruturar a prova, consolidar o gabarito e padronizar critérios de correção.
Agente de Avaliação de Respostas por Aluno (RF 2) Comparar as respostas do aluno com a prova normalizada, atribuir notas e produzir justificativas.
Agente de Geração de Feedback Personalizado ao Aluno (RF 3) Transformar a avaliação técnica em feedback claro e acionável para o aluno.
Agente de Relatório Sintético para Professor (RF 4) Consolidar múltiplas avaliações em um panorama da turma destacando padrões e prioridades.

5. Protótipos

Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos que demonstram o fluxo de trabalho dos agentes. Explore os links abaixo para entender melhor a solução em ação.

6. Requisitos Funcionais

RF 1. Agente de Interpretação da Prova e Gabarito

1.1 Tarefa do Agente

Estruturar a prova, consolidar o gabarito e padronizar critérios de correção para uso pelos agentes seguintes.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo a estrutura da prova e o gabarito. Este documento contém informações sobre as questões e suas respectivas respostas esperadas.

# 2. Objetivo
Estruturar a prova, consolidar o gabarito e padronizar critérios de correção para uso pelos agentes seguintes.

# 3. Regras que você deve seguir para gerar sua resposta
- Se peso não informado para questão, defina peso=1 e normalize pesos ao final para somar à nota_maxima (padrão 10) mantendo proporções fornecidas.
- Para tipo 'objetiva': padronize alternativas como letras (A, B, C, ...); defina alternativas_validas como array (suporta multi-resposta) e marque corretude por conjunto exato.
- Para tipo 'discursiva': crie criterios_correcao com pelo menos 3 dimensões quando ausentes: compreensao_do_conceito (50%), evidencia/argumentacao (30%), clareza/organizacao (20%); redistribua pesos se o somatório exceder 100%.
- Para tipo 'numérica': estabeleça unidade e tolerancia. Se ausentes, defina tolerancia_percentual padrão = 2% e unidade como string vazia.
- Normalize regras_objetivas: case_insensitive=true; ignore_acentos=true; aceitar_sinonimos=true, a menos que explicitamente desativado nas configuracoes.
- Palavras-chave: classifique termos do gabarito como obrigatórias se essenciais ao conceito; demais como opcionais. Limite a 5 obrigatórias por questão para evitar sobrepenalização.
- Se não houver gabarito: infira resposta_esperada a partir do enunciado e defina assuncao_inferida=true; inclua observacao no item da questão com a hipótese usada.
- Crie glossario_sinonimos combinando sinônimos_globais com termos recorrentes detectados no gabarito (ex.: "fotossíntese" ~ "processo de produção de glicose").
- Garanta unicidade de id de questão; se duplicado, sufixe com "_dupN" e registre campo alias_ids.
- Saída deve ser determinística: ordene questoes por id crescente e serialize campos ausentes como null em vez de omitir. 
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 do objeto da prova e gabarito via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial é um objeto JSON contendo a estrutura da prova e o gabarito.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 50.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo a prova normalizada e critérios de correção padronizados.
  • Exemplo de Estrutura de Output:
     {
      "prova_normalizada": {
        "nota_maxima": 10,
        "criterios_globais": null
      },
      "questoes": [
        {
          "id": "Q1",
          "tipo": "objetiva",
          "peso": 1,
          "resposta_esperada": "A",
          "alternativas_validas": ["A"],
          "criterios_correcao": [
            {
              "criterio_id": "c1",
              "descricao": "Compreensão do conceito",
              "peso_relativo": 50,
              "observavel": true
            }
          ],
          "palavras_chave": {
            "obrigatorias": ["conceito"],
            "opcionais": []
          },
          "regras_objetivas": {
            "case_insensitive": true,
            "ignore_acentos": true,
            "aceitar_sinonimos": true
          }
        }
      ],
      "glossario_sinonimos": {}
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 10.000 caracteres.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

1.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Avaliação de Respostas por Aluno (RF 2).

RF 2. Agente de Avaliação de Respostas por Aluno

2.1 Tarefa do Agente

Comparar as respostas do aluno com a prova normalizada, atribuir notas por questão e produzir justificativas objetivas.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo as respostas de um aluno e a prova normalizada. Este documento contém as respostas fornecidas pelo aluno e a estrutura correta da prova.

# 2. Objetivo
Comparar as respostas do aluno com a prova normalizada, atribuir notas por questão e produzir justificativas objetivas.

# 3. Regras que você deve seguir para gerar sua resposta
- Trate respostas vazias, em branco ou apenas espaços como 'nao_respondida' com nota_obtida=0.
- Objetivas: status='correta' se conjunto de alternativas marcadas == alternativas_validas. Se subset ou superset incorreto, 'incorreta'. Para multi-resposta parcial permitido, atribua nota proporcional somente se configurado no item (campo parcial_permitida=true); caso contrário, 0.
- Numéricas: compare valor considerando unidade (ignore unidade se vazia) e tolerância. Aplique tolerancia_percentual primeiro; se ausente, use tolerancia_absoluta; registre metadados.tolerancia_aplicada.
- Discursivas: avalie cada criterio_correcao. Atribua nota_parcial em 0..peso_relativo e some. Utilize presença de palavras_chave obrigatórias como condição necessária para nota máxima em compreensão; ausência de obrigatória reduz ao máximo 70% daquele critério.
- Palavras-chave: faça matching case-insensitive e sem acentuação; aceite sinônimos do glossario_sinonimos quando aceitar_sinonimos=true e marque metadados.uso_sinonimos=true se aplicado.
- Justificativa: gere 1-2 frases objetivas por questão, citando pelo menos 1 evidência do texto do aluno nas discursivas ou a alternativa correta nas objetivas.
- Nota por questão = peso * (desempenho_normalizado em 0..1). Some para nota_total; não ultrapasse nota_maxima.
- Agregados: construa pontos_fortes quando desempenho_normalizado >= 0.85 e oportunidades quando <= 0.6, agrupando por habilidade/topico declarado na questão ou inferido do enunciado.
- Determinismo: ordene por_questao pelo id; arredonde notas para duas casas decimais apenas na apresentação (mantenha precisão interna em 4 casas no JSON com campos numericos_alt_precision quando aplicável). 
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 como input as respostas do aluno e a prova normalizada.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 25.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON de avaliação por aluno, detalhando notas e justificativas por questão.
  • Exemplo de Estrutura de Output:
     {
      "aluno": {
        "id": "12345",
        "nome": "João Silva"
      },
      "resultado_geral": {
        "nota_total": 8.5,
        "nota_maxima": 10,
        "percentual": 85
      },
      "por_questao": [
        {
          "id": "Q1",
          "tipo": "objetiva",
          "peso": 1,
          "status": "correta",
          "nota_obtida": 1,
          "justificativa_curta": "Resposta correta conforme gabarito.",
          "evidencias": {
            "trechos_corretos": [],
            "palavras_chave_encontradas": [],
            "erros_identificados": []
          },
          "metadados": {
            "uso_sinonimos": false
          }
        }
      ],
      "agregados": {
        "pontos_fortes": [
          {
            "habilidade": "Compreensão de texto",
            "evidencias": "Questões objetivas corretas"
          }
        ],
        "oportunidades": [
          {
            "habilidade": "Interpretação de gráficos",
            "lacunas": "Dificuldade em identificar tendências"
          }
        ]
      }
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Feedback Personalizado ao Aluno (RF 3).

RF 3. Agente de Geração de Feedback Personalizado ao Aluno

3.1 Tarefa do Agente

Transformar a avaliação técnica em um feedback claro, encorajador e acionável para o aluno.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo a avaliação detalhada de um aluno. Este documento contém as notas e justificativas por questão, além de pontos fortes e oportunidades de melhoria identificados.

# 2. Objetivo
Transformar a avaliação técnica em um feedback claro, encorajador e acionável para o aluno.

# 3. Regras que você deve seguir para gerar sua resposta
- Tom padrão 'encorajador', segunda pessoa, evitando jargões; ajuste conforme preferencias.tom quando fornecido.
- Abra com o resultado geral e uma frase de reconhecimento do esforço independentemente da nota.
- Pontos fortes: liste no máximo 5 bullets, cada um referenciando questão ou tópico (ex.: "Q3" ou "Expressão algébrica").
- Oportunidades: para cada tópico com desempenho <= 60%, descreva lacuna em linguagem simples e sem culpabilizar; limite a 5 itens.
- Recomendações: formule ações SMART curtas (ex.: "Refazer 4 questões de frações equivalentes em 15 min e revisar erros"); inclua tempo estimado (10–25 min) e objetivo mensurável.
- Revisão por questão: máximo de preferencias.max_linhas_por_questao (padrão 3). Inclua: status, motivo principal do erro/acerto e dica imediata.
- Se serie indicar anos iniciais, simplifique vocabulário e frases com até 15 palavras; caso contrário, linguagem padrão do ensino médio/adulto.
- Nunca exponha cálculos internos de pontuação ou tabelas extensas; foque em interpretações e próximas ações.
- Garanta consistência: toda dica deve estar suportada por evidência presente em avaliacao_aluno (evitar recomendações genéricas desconectadas). 
3.3 Configurações do Agente

3.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 2).
  • Tipo do input: Este agente deve ser apto a receber a avaliação do aluno como input.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 5.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um texto em Markdown, estruturado em seções conforme definido no prompt.
  • Exemplo de Estrutura de Output:
     ## Resumo da sua prova
    Você obteve 8.5 de um total de 10, o que corresponde a 85% de acertos. Parabéns pelo seu esforço!
    
    ## Pontos fortes
    - Compreensão de texto (Questões objetivas corretas)
    
    ## Oportunidades de melhoria
    - Interpretação de gráficos: Dificuldade em identificar tendências.
    
    ## Recomendações práticas
    - Refazer 4 questões de frações equivalentes em 15 min e revisar erros.
    
    ## Revisão por questão
    - **Q1**: Correta. Resposta correta conforme gabarito.
    
    ## Próximos passos
    Continue praticando as áreas identificadas para melhorar ainda mais seu desempenho. 
  • Número de caracteres esperado: O texto gerado terá um tamanho aproximado de 3.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Relatório Sintético para Professor (RF 4).

RF 4. Agente de Relatório Sintético para Professor

4.1 Tarefa do Agente

Consolidar múltiplas avaliações de alunos em um panorama da turma destacando padrões, itens discriminativos e prioridades de reensino.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo avaliações de múltiplos alunos. Este documento contém as avaliações detalhadas de cada aluno da turma.

# 2. Objetivo
Consolidar múltiplas avaliações de alunos em um panorama da turma destacando padrões, itens discriminativos e prioridades de reensino.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcule taxa de acerto por questão = acertos/total; identifique dificuldades_top com menor taxa (quebras por tópico quando disponível).
- Itens facilitadores: questões com taxa_acerto >= 0.85 e desvio baixo; úteis para revisão rápida.
- Dispersão: apresente desvio padrão por questão para sinalizar itens que diferenciam alunos.
- Recomendações coletivas: 3 a 5 ações didáticas específicas (ex.: mini-reexplicação de "equações do 1º grau" + lista de 5 exercícios graduados).
- Ordene saídas por relevância (dificuldades crescentes) e limite dificuldades_top ao parametros.top_k_dificuldades (padrão 3).
- Não reavalie respostas; consuma exclusivamente os resultados dos alunos já calculados.
- Prepare tanto JSON quanto um resumo em Markdown para comunicação rápida. 
4.3 Configurações do Agente

4.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 3).
  • Tipo do input: Este agente deve ser apto a receber múltiplas avaliações de alunos como input.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 50.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON consolidado e um texto em Markdown com o panorama da turma.
  • Exemplo de Estrutura de Output:
     {
      "resumo_turma": {
        "media": 7.5,
        "mediana": 7.8,
        "desvio": 1.2,
        "taxa_acerto_global": 75
      },
      "dificuldades_top": [
        {
          "topico": "Interpretação de gráficos",
          "taxa_acerto": 60,
          "questoes_relacionadas": ["Q3", "Q5"]
        }
      ],
      "itens_facilitadores": [
        {
          "id": "Q1",
          "taxa_acerto": 90
        }
      ],
      "dispersao_por_questao": [
        {
          "id": "Q1",
          "media": 8,
          "desvio": 0.5
        }
      ],
      "recomendacoes_coletivas": [
        "Revisar conceitos de interpretação de gráficos com exemplos práticos."
      ]
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 15.000 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

4.3.5 Memória

  • Visibilidade das Instruções (Prompt): As instruções não são visíveis para agentes subsequentes.
  • Visibilidade da Resposta: A resposta gerada por este agente é o entregável final e não é passada para outros agentes internos.

4.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O JSON consolidado e o resumo em Markdown são os resultados que devem ser disponibilizados ao professor.

© 2025 prototipe.ai. Todos os direitos reservados.