Agente de IA para Feedback Automatizado em Avaliações

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

Como criar um agente de IA que fornece feedback imediato e personalizado aos alunos após avaliações.

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 "Feedback Automatizado em Avaliações", uma solução de automação projetada para fornecer feedback imediato e personalizado aos alunos após a realização de avaliações. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é analisar os resultados das avaliações e oferecer um feedback personalizado e motivador, com base nos resultados específicos de cada aluno.

2. Contexto e Problema

Cenário Atual

Em instituições educacionais, há uma crescente demanda por feedback imediato e personalizado após avaliações. Atualmente, o feedback é muitas vezes genérico e demorado, o que não atende às necessidades dos alunos de receber orientações específicas e motivacionais para melhorar seu desempenho.


Problemas Identificados

  • Necessidade de feedback imediato: Os alunos precisam de feedback logo após as avaliações para ajustar rapidamente suas estratégias de estudo.
  • Personalização: O feedback atual não leva em consideração os resultados individuais de cada aluno, resultando em aconselhamentos genéricos.

3. Impactos Esperados

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

  • Fornecer feedback imediato após a conclusão das avaliações.
  • Aumentar a personalização das orientações de estudo, baseando-se nos resultados individuais dos alunos.
  • Motivar os alunos através de feedbacks claros e acionáveis, alinhados às suas necessidades específicas.

4. Visão Geral da Solução

O agente de IA para feedback automatizado em avaliações analisa os resultados das avaliações e fornece feedback imediato e personalizado aos alunos, com base nos resultados obtidos. 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 personalização do feedback educacional.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a análise dos resultados da avaliação e termina com a geração de um feedback textual para o aluno.

Agentes Função Principal
Agente de Síntese de Desempenho por Competência (RF 1) Analisar o resultado da avaliação e produzir uma visão estruturada e calculada de desempenho por tópico e por competência.
Agente Gerador de Feedback Personalizado ao Aluno (RF 2) Converter a síntese analítica em uma devolutiva textual personalizada e motivadora.

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 aluno receberá. Explore os links abaixo para entender melhor a solução em ação.

6. Requisitos Funcionais

RF 1. Agente de Síntese de Desempenho por Competência

1.1 Tarefa do Agente

Analisar o resultado da avaliação de um aluno e produzir uma visão estruturada e calculada de desempenho por tópico e por competência, identificando métricas, padrões de erro e lacunas priorizadas para orientar feedback imediato e personalizado.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo os resultados de uma avaliação de um aluno. Este input é um JSON estruturado com detalhes de cada questão, pontuação e competências avaliadas.

# 2. Objetivo
Analisar o resultado da avaliação para produzir uma síntese detalhada de desempenho por tópico e competência, apontando padrões de erro e lacunas prioritárias.

# 3. Regras que você deve seguir para gerar sua resposta
- Produza a síntese completa em uma única execução, sem aguardar revisão humana e sem consultar fontes externas.
- Trate valores ausentes ou inválidos de acordo com as regras definidas, garantindo que a síntese esteja completa e precisa.
- Calcule métricas de desempenho e padrões de erro conforme as instruções detalhadas no escopo do projeto.
- Gere somente um JSON válido, sem comentários ou texto adicional. 
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 dos resultados da avaliação 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 JSON na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um objeto JSON estruturado com os resultados da avaliação de um aluno.
  • 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 texto com até 20.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo a síntese de desempenho por competência e tópicos, incluindo padrões de erro e lacunas prioritárias identificadas.
  • Exemplo de Estrutura de Output:
     {
      "student_id": "string",
      "assessment_id": "string",
      "overall": {
        "score_sum": number,
        "max_score_sum": number,
        "accuracy": number,
        "grade": "aprovado|reprovado|nao_aplicavel"
      },
      "by_topic": [...],
      "by_skill": [...],
      "error_patterns": {...},
      "priority_gaps": [...],
      "metadata": {
        "questions_analyzed": number,
        "generated_at": "ISO-8601",
        "language": "string"
      }
    } 
  • Número de caracteres esperado: O JSON final deve conter aproximadamente 5.000 caracteres, dependendo da complexidade da avaliação.

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 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 Gerador de Feedback Personalizado ao Aluno (RF 2).

RF 2. Agente Gerador de Feedback Personalizado ao Aluno

2.1 Tarefa do Agente

Converter a síntese analítica em uma devolutiva textual personalizada, clara, motivadora e acionável, oferecendo orientações específicas de estudo alinhadas às lacunas e pontos fortes do aluno.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo a síntese de desempenho de um aluno, produzida pelo agente anterior. Este input é um JSON detalhado com métricas de desempenho por competência e tópicos, padrões de erro e lacunas prioritárias.

# 2. Objetivo
Converter a síntese analítica em um feedback textual personalizado e motivador, com orientações específicas de estudo.

# 3. Regras que você deve seguir para gerar sua resposta
- Gere o feedback integralmente a partir do input, sem intervenção humana ou consultas externas.
- Inclua todas as seções exigidas no feedback, com orientações claras e acionáveis.
- Mantenha o texto entre 350 e 600 palavras, usando linguagem motivacional e específica ao contexto do aluno.
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 um JSON estruturado, que corresponde à síntese de desempenho produzida pelo agente anterior.
  • 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 conteúdo textual em Markdown, contendo as seções obrigatórias do feedback personalizado.
  • Exemplo de Estrutura de Output:
     ## Resumo do Desempenho
    - Pontuação geral: X
    - Nível de domínio: Y
    
    ## Seus Pontos Fortes
    - Lista de pontos fortes
    
    ## O que Melhorar (prioridades)
    - Lista de prioridades e ações
    
    ## Erros-chave e Como Corrigir
    - Descrição dos erros e correções
    
    ## Plano de Estudo Sugerido (7 dias)
    - Passos diários de estudo
    
    ## Próximos Passos
    - Orientações finais
  • Número de caracteres esperado: O texto final deve conter entre 350 e 600 palavras, dependendo do conteúdo da síntese.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

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 pode ser enviada para o LMS da instituição para exibição ao aluno.

2.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo, gerando o feedback que será disponibilizado ao aluno.

© 2025 prototipe.ai. Todos os direitos reservados.