Agente de IA para Monitoramento de Comportamento Escolar

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

Como criar um agente de IA que analisa registros de comportamento escolar para identificar padrões e sugerir intervenções.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Monitoramento de Comportamento Escolar", uma solução de automação projetada para analisar registros de comportamento escolar e identificar padrões para sugerir intervenções comportamentais. 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 registros de comportamento escolar em insights acionáveis que promovam um ambiente escolar positivo e produtivo, através de intervenções personalizadas e baseadas em dados concretos.

2. Contexto e Problema

Cenário Atual

Atualmente, o monitoramento de registros de comportamento escolar é realizado manualmente, o que demanda tempo e pode não captar padrões comportamentais importantes. Esta análise manual pode falhar em identificar tendências que requerem intervenções imediatas.


Problemas Identificados

  • Monitoramento manual demorado: O processo de análise manual consome tempo dos educadores, que poderiam focar em atividades pedagógicas.
  • Identificação insuficiente de padrões: Sem um sistema automatizado, padrões importantes podem passar despercebidos, atrasando intervenções necessárias.
  • Necessidade de intervenções baseadas em dados: Intervenções comportamentais muitas vezes não são baseadas em dados concretos, reduzindo sua eficácia.

3. Impactos Esperados

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

  • Reduzir o tempo de análise dos registros de comportamento escolar em pelo menos 70%.
  • Aumentar a precisão na identificação de padrões comportamentais significativos.
  • Promover intervenções personalizadas e baseadas em dados concretos, adaptadas às necessidades específicas de cada aluno.
  • Criar um ambiente escolar mais positivo e produtivo através de intervenções oportunas e eficazes.

4. Visão Geral da Solução

O agente de IA para monitoramento de comportamento escolar analisa registros de comportamento de alunos, identifica padrões e sugere intervenções comportamentais personalizadas. 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 promoção de um ambiente escolar positivo e produtivo.

A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a validação e normalização dos registros de comportamento e termina com a geração de um relatório estruturado para uso escolar.

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

Agentes Função Principal
Agente de Validação e Normalização de Registros de Comportamento (RF 1) Validar, higienizar e normalizar registros de comportamento escolar em um esquema único padronizado.
Agente de Extração de Métricas e Identificação de Padrões (RF 2) Calcular métricas por aluno, turma e escola e identificar padrões e tendências de comportamento.
Agente de Geração de Intervenções Comportamentais Personalizadas (RF 3) Propor intervenções claras, objetivas e adaptadas a cada aluno com base nos padrões identificados.
Agente de Priorização e Alertas (RF 4) Atribuir prioridade de acompanhamento e definir alertas operacionais por aluno com base em risco e tendência.
Agente de Montagem de Relatório Estruturado (RF 5) Consolidar métricas, padrões, intervenções e priorização em um único relatório padronizado para uso escolar.


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 Validação e Normalização de Registros de Comportamento

1.1 Tarefa do Agente

Validar, higienizar e normalizar registros de comportamento escolar em um esquema único padronizado.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo registros de comportamento escolar em formato CSV ou JSON. Estes registros contêm informações sobre o comportamento dos alunos, incluindo data, comportamento e observações.

# 2. Objetivo
Validar e normalizar esses registros em um formato padronizado, garantindo que todos os dados estejam corretos e prontos para análise posterior.

# 3. Regras que você deve seguir para gerar sua resposta
- Normalização de datas: converter qualquer formato legível para ISO (YYYY-MM-DD); se houver hora, extrair HH:MM.
- Deduplicação: considerar duplicado se (aluno_nome, data_iso, comportamento_texto) coincidirem exatamente; manter o primeiro, descartar os demais.
- Taxonomia de categorias: mapear comportamento_texto para uma entre: {disrupcao_em_sala, agressao_fisica, agressao_verbal, desrespeito_regras, atraso_frequencia, evasao, uso_indevido_tecnologia, conflito_entre_pares, outros}.
- Severidade: se fornecida fora de 1-5, ajustar para o mais próximo; se ausente, default=3.
- Campos obrigatórios: aluno e data. Ausência de qualquer um => valido=false.
- Normalização de nomes: trim, capitalização por palavras; remover espaços duplos. 
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 um arquivo CSV ou JSON com registros de comportamento 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 é um arquivo CSV ou JSON com registros de comportamento escolar.
  • Formatos Suportados: Esse agente deve ser capaz de receber arquivos nos formatos: .csv, .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 90.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com lista de eventos normalizados no esquema especificado, incluindo campos como aluno_nome, turma, data_iso, comportamento_texto, entre outros.
  • Exemplo de Estrutura de Output:
     {
      "eventos_normalizados": [
        {
          "aluno_nome": "João Silva",
          "turma": "5A",
          "data_iso": "2025-12-01",
          "comportamento_texto": "Agressão verbal",
          "severidade": 3,
          "valido": true
        }
      ]
    } 
  • Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 4.500 caracteres, podendo variar conforme a quantidade de registros processados.

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

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Extração de Métricas e Identificação de Padrões (RF 2).

RF 2. Agente de Extração de Métricas e Identificação de Padrões

2.1 Tarefa do Agente

Calcular métricas por aluno, turma e escola e identificar padrões e tendências de comportamento.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON de eventos normalizados. Estes eventos foram validados e normalizados por um agente anterior e contêm registros de comportamento escolar.

# 2. Objetivo
Calcular métricas detalhadas por aluno, turma e escola, e identificar padrões e tendências de comportamento que possam requerer intervenções.

# 3. Regras que você deve seguir para gerar sua resposta
- Janela temporal: considerar todos os eventos disponíveis; para tendências, usar janelas móveis de 4 semanas.
- Frequência semanal: agregar por aluno e semana_iso; incidentes_semanais é uma lista cronológica de {semana_iso, total}.
- Tendência: calcular variação percentual entre média das últimas 2 semanas e das 2 anteriores.
- Horários críticos: se houver hora, agrupar por faixas {manhã, meio_dia, tarde, noite}.
- Locais críticos: um local é crítico se concentrar >=35% dos incidentes do aluno.
- Categoria predominante: definir se uma categoria representa >=45% dos incidentes do aluno.
- Reincidência de alta severidade: marcar padrão se soma de severidade>=4 for >=3 ocorrências nos últimos 14 dias.
- Comparação com turma: para cada aluno, calcular percentil e z-score de incidentes.
2.3 Configurações do Agente

2.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 1).
  • Tipo do input: Este agente deve ser apto a receber como input um JSON de eventos normalizados, que corresponde aos registros de comportamento escolar validados e normalizados 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 texto com até 6.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo métricas detalhadas por aluno, turma e escola, além de padrões e tendências de comportamento identificados.
  • Exemplo de Estrutura de Output:
     {
      "metricas_por_aluno": [
        {
          "aluno_nome": "João Silva",
          "incidentes_semanais": [
            {"semana_iso": "2025-W48", "total": 4},
            {"semana_iso": "2025-W49", "total": 5}
          ],
          "tendencia_4_sem": "alta",
          "horarios_criticos": ["tarde"],
          "locais_criticos": ["corredor"],
          "categoria_predominante": "agressao_verbal"
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve conter aproximadamente 3.000 caracteres, variando conforme a quantidade de dados processados.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para calcular métricas e identificar padrões.
  • 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 Intervenções Comportamentais Personalizadas (RF 3).

RF 3. Agente de Geração de Intervenções Comportamentais Personalizadas

3.1 Tarefa do Agente

Propor intervenções claras, objetivas e adaptadas a cada aluno com base nos padrões identificados.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON de métricas e padrões comportamentais identificados. Estes dados foram gerados por um agente anterior e contêm informações detalhadas sobre o comportamento dos alunos.

# 2. Objetivo
Propor intervenções comportamentais personalizadas para cada aluno, baseadas nos padrões identificados nas métricas recebidas.

# 3. Regras que você deve seguir para gerar sua resposta
- Cada intervenção deve incluir pelo menos: 1 meta SMART, 3 a 5 estratégias práticas, 1 reforço positivo com critério objetivo, 1 ajuste ambiental.
- Intensidade: definir universal se z-score<1 e frequência estável; seletivo se z>=1 ou tendência alta; intensivo se alta severidade recorrente ou z>=2.
- Metas: expressar baseline e alvo numéricos.
- Linguagem: descritiva e neutra; evitar termos diagnósticos, rótulos ou punições.
- Viabilidade: ajustar estratégias às restrições fornecidas. 
3.3 Configurações do Agente

3.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 2).
  • Tipo do input: Este agente deve ser apto a receber como input um JSON de métricas e padrões comportamentais, que corresponde aos dados gerados 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 texto com até 6.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo intervenções comportamentais personalizadas para cada aluno, incluindo metas SMART, estratégias, reforços positivos e ajustes ambientais.
  • Exemplo de Estrutura de Output:
     {
      "interventions_por_aluno": [
        {
          "aluno_nome": "João Silva",
          "metas_SMART": "Reduzir incidentes de agressão verbal de 5 para 2 por semana em 4 semanas",
          "estrategias": [
            {"categoria_padroes_alvo": "agressao_verbal", "acao": "ensino de script de auto-regulação", "responsavel": "professor", "frequencia": "diária", "duracao": "4 semanas"}
          ],
          "reforcos_positivos": [
            {"comportamento_alvo": "interações respeitosas", "criterio_reforco": "3 dias consecutivos", "tipo_reforco": "elogio verbal"}
          ],
          "ajustes_ambientais": [
            {"contexto": "sala de aula", "ajuste": "disposição de mesas", "quando": "imediato"}
          ]
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve conter aproximadamente 4.000 caracteres, variando conforme a quantidade de intervenções propostas.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para definir metas SMART e estratégias viáveis.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

3.3.5 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 deve ser visível para o Agente de Priorização e Alertas (RF 4).

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Priorização e Alertas (RF 4).

RF 4. Agente de Priorização e Alertas

4.1 Tarefa do Agente

Atribuir prioridade de acompanhamento e definir alertas operacionais por aluno com base em risco e tendência.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON de intervenções comportamentais personalizadas e métricas por aluno. Estes dados foram gerados por agentes anteriores e contêm informações detalhadas sobre as intervenções propostas e as métricas comportamentais.

# 2. Objetivo
Atribuir uma prioridade de acompanhamento e definir alertas operacionais por aluno, baseados nos dados de risco e tendência recebidos.

# 3. Regras que você deve seguir para gerar sua resposta
- Score de prioridade (0-100): Base 30 se tendencia_4_sem=alta; +20 se z-score>=2; +15 se reincidencia_alta_severidade presente.
- Nível de alerta: alto se score>=70; médio se 40-69; baixo se <40.
- Gatilhos operacionais: Contato família se incidentes>=3 em 7 dias.
- SLA: alto=avaliar em 3-5 dias; médio=em 7-10 dias; baixo=em 14 dias.
- Transparência: incluir criterios_acionados explicitando quais regras contribuíram para o score e alertas.
4.3 Configurações do Agente

4.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 3).
  • Tipo do input: Este agente deve ser apto a receber como input um JSON de intervenções comportamentais e métricas por aluno, que corresponde aos dados gerados pelos agentes anteriores.
  • 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 6.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo a prioridade de acompanhamento e alertas operacionais por aluno, incluindo score de prioridade, nível de alerta e gatilhos operacionais.
  • Exemplo de Estrutura de Output:
     {
      "prioridade_por_aluno": [
        {
          "aluno_nome": "João Silva",
          "score_prioridade": 75,
          "nivel_alerta": "alto",
          "criterios_acionados": ["tendencia_alta", "z-score elevado"],
          "gatilhos_alerta": [
            {"condicao": "incidentes>=3 em 7 dias", "acao_sugerida": "contato família"}
          ]
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve conter aproximadamente 2.500 caracteres, variando conforme a quantidade de dados processados.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para calcular scores de prioridade e definir gatilhos de alerta.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

4.3.5 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 deve ser visível para o Agente de Montagem de Relatório Estruturado (RF 5).

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Montagem de Relatório Estruturado (RF 5).

RF 5. Agente de Montagem de Relatório Estruturado

5.1 Tarefa do Agente

Consolidar métricas, padrões, intervenções e priorização em um único relatório padronizado para uso escolar.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo múltiplos JSONs contendo eventos normalizados, métricas, intervenções e prioridades. Estes dados foram gerados por agentes anteriores e contêm informações completas sobre o comportamento dos alunos.

# 2. Objetivo
Consolidar todas as informações recebidas em um relatório estruturado e padronizado para uso escolar, destacando métricas, intervenções propostas e prioridades de acompanhamento.

# 3. Regras que você deve seguir para gerar sua resposta
- Clareza: títulos objetivos e bullets curtos; evitar jargões técnicos.
- Ordenação: listar alunos por score_prioridade desc.
- Traçar ligações explícitas entre cada intervenção e o padrão/indicador que ela endereça.
- Incluir notas de dados quando aplicável.
- Timestamp generated_at em ISO 8601 e versao="1.0".
5.3 Configurações do Agente

5.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 4).
  • Tipo do input: Este agente deve ser apto a receber múltiplos JSONs contendo eventos normalizados, métricas, intervenções e prioridades, que correspondem aos dados gerados pelos agentes anteriores.
  • 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 12.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo um relatório estruturado, incluindo cabeçalho, resumo executivo, visão por aluno e anexos.
  • Exemplo de Estrutura de Output:
     {
      "relatorio": {
        "cabecalho": {
          "versao": "1.0",
          "generated_at": "2025-12-03T10:22:00Z",
          "periodo_analise": "2025-W48 a 2025-W49"
        },
        "resumo_executivo": {
          "top_achados": "Aumento de incidentes de agressão verbal na turma 5A",
          "alunos_prioritarios": ["João Silva"]
        },
        "visao_por_aluno": [
          {
            "aluno_nome": "João Silva",
            "principais_metricas": "Alta frequência de agressão verbal",
            "padroes_chave": "Tendência de aumento nas últimas 4 semanas",
            "intervencoes_recomendadas": "Ensino de script de auto-regulação",
            "nivel_alerta": "alto",
            "proximo_passo": "Contato com a família",
            "indicadores_monitoramento": "Reduzir incidentes em 50% nas próximas 4 semanas"
          }
        ]
      }
    } 
  • Número de caracteres esperado: O JSON gerado deve conter aproximadamente 5.000 caracteres, variando conforme a quantidade de dados processados.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para consolidar dados e formatar o relatório.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

5.3.5 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.

5.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.