Mostrar registro simples

dc.creatorSantos, Richarsdson Silva Lima dos
dc.date.accessioned2026-09-03T03:03:39Z
dc.date.available2026-09-03T03:03:39Z
dc.date.issued2026-03-09
dc.identifier.citationSANTOS, Richarson Silva Lima dos. Sistema Automatizado de Criação de Avaliações Baseado nos Descritores do SAEB utilizando LLM. 2026. 39f. TCC (Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas) - Instituto Federal de Ciência e Tecnologia de Pernambuco, Recife, 2026.pt_BR
dc.identifier.urihttps://repositorio.ifpe.edu.br/xmlui/handle/123456789/2309
dc.description.abstractA avaliação educacional desempenha papel fundamental na mensuração da aprendizagem e no direcionamento de políticas públicas. No contexto brasileiro, o Sistema de Avalia- ção da Educação Básica (SAEB) constitui o principal instrumento de avaliação em larga escala, exigindo que as questões aplicadas estejam alinhadas a descritores específicos de competências e habilidades. Entretanto, a elaboração manual dessas avaliações demanda tempo, conhecimento técnico e cuidado metodológico por parte dos docentes. Este traba- lho apresenta o desenvolvimento de um sistema automatizado para criação de avaliações baseadas nos descritores do SAEB, utilizando Modelos de Linguagem de Grande Escala (LLMs). A solução proposta integra uma arquitetura em camadas composta por parame- trização, geração, avaliação e saída, permitindo a geração de questões textuais personali- zadas quanto ao nível de dificuldade e descritor selecionado. O sistema foi implementado com FastAPI no backend, Vue.js no frontend e integração com API de modelo de lin- guagem para geração automática de itens. A validação foi realizada por meio de testes piloto com quatro educadores do ensino médio, que avaliaram as questões geradas quanto à coerência, contextualização, clareza, nível de dificuldade e alinhamento ao descritor. Os resultados indicaram elevados índices de aceitação, com médias superiores a 4,0 em escala de 1 a 5, evidenciando a viabilidade da ferramenta como apoio ao planejamento pedagó- gico. Conclui-se que a aplicação de LLMs na geração automática de avaliações alinhadas ao SAEB apresenta potencial significativo para otimizar o trabalho docente, mantendo qualidade pedagógica e padronização avaliativa, desde que acompanhada de supervisão humana.pt_BR
dc.format.extent39f.pt_BR
dc.languagept_BRpt_BR
dc.relationBrasil. INEP. Sistema de Avaliação da Educação Básica (SAEB). Brasília, 2021. Acesso em: 19 mar. 2026. Disponível em: <https://www.gov.br/inep/pt-br/areas-de- atuacao/avaliacao-e-exames-educacionais/saeb>. BROWN, T. B. et al. Language models are few-shot learners. Advances in Neural Information Processing Systems, 2020. CASELI, H. M.; NUNES, M. G. V. Processamento de Linguagem Natural: Conceitos, Técnicas e Aplicações em Português. 2. ed. BPLN, 2024. Disponível em: <https://brasileiraspln.com/livro-pln/2a-edicao>. CHOMSKY, N. Conditions on transformations. In: A Festschrift for Morris Halle. [S.l.]: Holt, Rinehart and Winston, 1973. p. 232–286. DeepSeek. DeepSeek API Documentation. [S.l.], 2026. Acesso em: 08 maio 2026. Disponível em: <https://api-docs.deepseek.com>. GRAESSER, A. C. et al. Autotutor: An intelligent tutoring system with mixed-initiative dialogue. IEEE Transactions on Education, v. 48, n. 4, p. 612–618, 2005. HEILMAN, M.; SMITH, N. Question Generation via Overgenerating Transformations and Ranking. [S.l.], 2010. Disponível em: <https://www.cs.cmu.edu/ ark/mheilman/questions/papers/heilman-smith-qg-tech- report.pdf>. HOFFMANN, J. Avaliar para promover: as setas do caminho. 14. ed. Porto Alegre: Mediação, 2014. KASNECI, E. et al. Chatgpt for good? on opportunities and challenges of large language models for education. Learning and Individual Differences, 2023. LUCKESI, C. C. Avaliação da aprendizagem escolar. 22. ed. São Paulo: Cortez, 2011. LUCKIN, R. et al. Intelligence Unleashed: An Argument for AI in Education. Pearson, 2016. Acesso em: 19 mar. 2026. Disponível em: <https://www.researchgate.net/publication/299561597>. MITTAL, U. et al. A comprehensive review on generative ai for education. IEEE Access, v. 12, p. 142733–142759, 2024. OGUNLEYE, B. et al. A systematic review of generative ai for teaching and learning practice. Education Sciences, v. 14, p. 636, 2024. ROSS, J. R. Constraints on Variables in Syntax. Tese (Doutorado) — MIT, 1967. SANTANA, F. P.; MAGALHãES, L. C. Aplicações do processamento de linguagem natural no ambiente educacional: Uma revisão sistemática da literatura. Revista Foco, v. 17, n. 1, p. e3921, 2024. WALKER, M. A.; RAMBOW, O.; ROGATI, M. Spot: A trainable sentence planner. In: Proceedings of NAACL. [S.l.: s.n.], 2001.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectDesenvolvimento de sistemaspt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectLarge language modelspt_BR
dc.subjectModelo de linguagempt_BR
dc.subjectGeração de questõespt_BR
dc.titleSistema automatizado de criação de avaliações baseado nos descritores do SAEB utilizando LLMpt_BR
dc.typeTCCpt_BR
dc.creator.Latteshttp://lattes.cnpq.br/9666120268361781pt_BR
dc.contributor.advisor1Santos, Henrique Correia Torres
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1664284153985134pt_BR
dc.contributor.referee1Santos, Henrique Correia Torres
dc.contributor.referee2Guedes, Paulo Abadie
dc.contributor.referee3Andrade, Hilson Gomes Vilar de
dc.contributor.referee1Latteshttp://lattes.cnpq.br/1664284153985134pt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2543620368514830pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/1329499647057192pt_BR
dc.publisher.departmentRecifept_BR
dc.publisher.countryBrasilpt_BR
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOpt_BR
dc.description.resumoA avaliação educacional desempenha papel fundamental na mensuração da aprendizagem e no direcionamento de políticas públicas. No contexto brasileiro, o Sistema de Avalia- ção da Educação Básica (SAEB) constitui o principal instrumento de avaliação em larga escala, exigindo que as questões aplicadas estejam alinhadas a descritores específicos de competências e habilidades. Entretanto, a elaboração manual dessas avaliações demanda tempo, conhecimento técnico e cuidado metodológico por parte dos docentes. Este traba- lho apresenta o desenvolvimento de um sistema automatizado para criação de avaliações baseadas nos descritores do SAEB, utilizando Modelos de Linguagem de Grande Escala (LLMs). A solução proposta integra uma arquitetura em camadas composta por parame- trização, geração, avaliação e saída, permitindo a geração de questões textuais personali- zadas quanto ao nível de dificuldade e descritor selecionado. O sistema foi implementado com FastAPI no backend, Vue.js no frontend e integração com API de modelo de lin- guagem para geração automática de itens. A validação foi realizada por meio de testes piloto com quatro educadores do ensino médio, que avaliaram as questões geradas quanto à coerência, contextualização, clareza, nível de dificuldade e alinhamento ao descritor. Os resultados indicaram elevados índices de aceitação, com médias superiores a 4,0 em escala de 1 a 5, evidenciando a viabilidade da ferramenta como apoio ao planejamento pedagó- gico. Conclui-se que a aplicação de LLMs na geração automática de avaliações alinhadas ao SAEB apresenta potencial significativo para otimizar o trabalho docente, mantendo qualidade pedagógica e padronização avaliativa, desde que acompanhada de supervisão humana.pt_BR


Arquivos deste item

Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples