Educação Sob Medida: Personalização da Avaliação por Competência com Inteligência Artificial (2025)
- Authors:
- Autor USP: MELO, LUANA DORIZO DE - ICMC
- Unidade: ICMC
- Subjects: INTELIGÊNCIA ARTIFICIAL; ENSINO PROFISSIONAL E TÉCNICO; AVALIAÇÃO DA EDUCAÇÃO; REDES NEURAIS
- Language: Português
- Abstract: Este trabalho apresenta o desenvolvimento e a validação do LikertIA, um sistema de avaliação por competências apoiado em Inteligência Artificial (IA), concebido para atender às demandas de cursos técnicos e profissionalizantes no contexto educacional brasileiro. A pesquisa parte da constatação de que os modelos tradicionais de avaliação, centrados em provas objetivas e notas finais, não capturam integralmente o desenvolvimento das competências cognitivas, técnicas e socioemocionais dos estudantes, limitando a personalização do ensino e o acompanhamento do progresso real ao longo do curso. A proposta fundamenta-se na necessidade de uma abordagem avaliativa mais formativa, contínua e baseada em dados, em consonância com autores como Perrenoud (1999), Zabala e Arnau (2010) e Nicol e Macfarlane-Dick (2006), além de dialogar com as diretrizes pedagógicas do SENAC São Paulo. O objetivo central consistiu em criar um protótipo capaz de integrar instrumentos avaliativos estruturados em escala de Likert à análise automatizada de dados por meio de Inteligência Artificial, oferecendo relatórios individualizados e dashboards interativos que apoiem tanto alunos quanto docentes na identificação de pontos fortes, lacunas de aprendizagem e estratégias de replanejamento. A metodologia adotada compreendeu cinco etapas principais: (i) elaboração de instrumentos avaliativos baseados na escala de Likert, aplicados a 16 Unidades Curriculares (UCs); (ii) coleta e armazenamento seguro das respostas em banco de dados MySQL, em conformidade com a Lei Geral de Proteção de Dados (LGPD); (iii) processamento automatizado por meio de modelos de Inteligência Artificial, utilizando redes neurais para classificar estudantes em diferentes perfis de desempenho; (iv) geração de relatórios individuais e comparativos, complementados por análises textuais produzidas por IAs generativas (ChatGPT e Gemini); e (v) disponibilização de dashboards interativos parapara acompanhamento em tempo real por parte de docentes e discentes. Os resultados, obtidos a partir de um conjunto simulado de 81 alunos e 2.196 respostas, demonstraram a viabilidade técnica e pedagógica da proposta. O modelo alcançou acurácia superior a 82% na classificação entre estudantes de bom e baixo desempenho, enquanto os relatórios individualizados apresentaram potencial para apoiar o feedback formativo contínuo. O comparativo entre as IAs generativas evidenciou complementaridade: o ChatGPT produziu análises mais narrativas e descritivas, enquanto o Gemini privilegiou sínteses objetivas e diagnósticos pragmáticos, enriquecendo o processo avaliativo. A discussão dos achados reforça que o LikertIA contribui para superar lacunas identificadas na literatura, ao unir avaliação por competências, escalas psicométricas e IA explicável (XAI) em um fluxo pedagógico coerente e aplicável ao ensino técnico. Do ponto de vista das contribuições, destacase a inovação na integração entre dados subjetivos (respostas em escala Likert) e análises automatizadas por IA, a oferta de feedback contínuo e personalizado e a aderência às marcas formativas do SENAC São Paulo, como protagonismo discente, interdisciplinaridade e visão crítica. Como limitações, ressalta-se que os testes foram realizados em ambiente simulados, e encontra-se em fase de planejamento para aplicação em turmas reais. Trabalhos futuros incluem a ampliação do sistema para outros cursos e modalidades educacionais, a comparação de diferentes algoritmos de machine learning, a incorporação de métricas socioemocionais mais complexas e o aprofundamento da análise ética relacionada à transparência e à mitigação de vieses algorítmicos. Conclui-se que a proposta se mostra inovadora e promissora para a transformação dos processos avaliativos em cursos técnicos, promovendo uma educação mais personalizada, justa e orientada por evidências.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
-
ABNT
MELO, Luana Dorizo de. Educação Sob Medida: Personalização da Avaliação por Competência com Inteligência Artificial. 2025. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2025. Disponível em: https://bdta.abcd.usp.br/directbitstream/1a3a68a4-1ff3-4beb-ac19-7aed47614a65/LuanaDorizo_de__Melo_TCC_2025.pdf. Acesso em: 17 mar. 2026. -
APA
Melo, L. D. de. (2025). Educação Sob Medida: Personalização da Avaliação por Competência com Inteligência Artificial (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/1a3a68a4-1ff3-4beb-ac19-7aed47614a65/LuanaDorizo_de__Melo_TCC_2025.pdf -
NLM
Melo LD de. Educação Sob Medida: Personalização da Avaliação por Competência com Inteligência Artificial [Internet]. 2025 ;[citado 2026 mar. 17 ] Available from: https://bdta.abcd.usp.br/directbitstream/1a3a68a4-1ff3-4beb-ac19-7aed47614a65/LuanaDorizo_de__Melo_TCC_2025.pdf -
Vancouver
Melo LD de. Educação Sob Medida: Personalização da Avaliação por Competência com Inteligência Artificial [Internet]. 2025 ;[citado 2026 mar. 17 ] Available from: https://bdta.abcd.usp.br/directbitstream/1a3a68a4-1ff3-4beb-ac19-7aed47614a65/LuanaDorizo_de__Melo_TCC_2025.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
LuanaDorizo_de__Melo_TCC_... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
