Teses, Dissertações e Outros

Estudantes do ensino superior têm acesso abundante a conteúdo, porém carecem de mediação individual em um plano de estudos. Os sistemas conversacionais apoiados em Large Language Models (LLMs) ampliaram a personalização da educação em escala, mas a geração de texto não assegura metas pedagógicas explícitas, o monitoramento do progresso nem o cumprimento de planos de longa duração. Em sistemas de tutoria, essa limitação produz um comportamento reativo, no qual o sistema responde ao estudante sem conduzi-lo aos objetivos de aprendizagem. Esta dissertação propõe e avalia, segundo a abordagem Design Science Research, um sistema multiagente para a gestão de diálogos educacionais orientados por planos de estudo. Agentes especializados apoiados em LLMs formulam perguntas calibradas pelos níveis da Taxonomia de Bloom, avaliam as respostas e conduzem explicações, dúvidas e encerramento, enquanto um componente determinístico de navegação decide qual componente de conhecimento abordar e quando avançar, reforçar ou retornar. A navegação opera sobre um grafo de pré-requisitos, adapta um algoritmo de teste adaptativo por computador e acompanha o progresso por evidências propagadas pelo grafo. Com essa divisão, a variabilidade do modelo fica confinada às funções interpretativas e generativas, e a progressão torna-se determinística e auditável. O protótipo implementado foi verificado por testes automatizados, invariantes de comportamento e simulações. Em um estudo de uso com 37 estudantes sobre fundamentos de programação em Python, 73% perceberam sentido na sequência dos assuntos, 70% consideraram adequada a retomada do foco e 76% perceberam progressão em direção a um objetivo. Os resultados fornecem evidências de viabilidade da abordagem no contexto investigado.