Revisão Sistemática
Mapeamento do uso de RAG e Fine-Tuning em LLMs na Educação, com análise das lacunas no Ensino Médio e na Educação Profissional.
Base científica consolidada
DOUTORADO EM INFORMÁTICA · UFPB
LLMs na Educação com evidência, método e responsabilidade.
Pesquisa orientada às necessidades dos professores, investigando como evidências sobre Large Language Models, RAG e Fine-Tuning podem ser organizadas para apoiar usos contextualizados, confiáveis e pedagogicamente adequados no Ensino Médio e na Educação Profissional.
A PESQUISA
Da revisão científica ao uso responsável em sala de aula.
A pesquisa parte de um problema docente: professores precisam integrar LLMs às suas práticas de forma contextualizada, confiável e pedagogicamente adequada, enquanto as evidências sobre técnicas, dados, métricas e riscos aparecem fragmentadas na literatura. O trabalho busca organizar essas evidências sem retirar do professor a supervisão e a decisão pedagógica.
O percurso começa com uma Revisão Sistemática da Literatura, transforma os achados no CAT-LLM-Edu — organizado pela cadeia necessidade docente → evidência → estratégia — e utiliza essa base na construção do framework e dos artefatos de apoio à prática docente.
ESTRUTURA DA TESE
Três artigos, uma cadeia de evidências.
Cada etapa produz conhecimento e artefatos que fundamentam a seguinte.
Catálogo e Framework
Construção e validação do CAT-LLM-Edu e de um framework computacional e metodológico para orientar sistemas educacionais inteligentes.
Etapa experimental atualPlataforma Educacional
Desenvolvimento e avaliação de uma plataforma com LLMs para apoio e acompanhamento contextualizado da prática docente.
Etapa planejadaEXPERIMENTOS
Ambientes de participação e validação.
Cada experimento possui instrumento, acesso, banco e tratamento de dados próprios.
01
DisponívelValidação por especialistas
CAT-LLM-Edu
Validação de 12 cadeias que conectam necessidades docentes, problemas, evidências da RSL e estratégias computacionais, seguida de avaliação global e questões abertas.
- Acesso por código individual
- Retomada da participação
- Dados pseudonimizados
- Tempo previsto: 60 a 90 minutos
02
PlanejadoAplicação do framework
Decisões de arquitetura
Avaliação da utilização do framework na escolha entre LLM genérica, RAG, Fine-Tuning e estratégias híbridas.
Será disponibilizado somente após adequação do protocolo e dos instrumentos.
03
PlanejadoValidação do artefato
Plataforma docente
Estudo da utilidade, adequação pedagógica e qualidade computacional da plataforma de acompanhamento docente.
O ambiente será publicado em uma etapa posterior da pesquisa.
✓
ÉTICA E PRIVACIDADE
Coleta mínima, participação voluntária e rastreabilidade.
O primeiro experimento não registra IP, localização, áudio, vídeo, tela ou fingerprint. O acesso ocorre por código pseudonimizado, e a coleta deve seguir exatamente o procedimento de consentimento aprovado.
PESQUISADOR
João Victor Rocha Araújo
Doutorando em Informática pela Universidade Federal da Paraíba, com pesquisa em Inteligência Artificial na Educação, Engenharia de Software e sistemas inteligentes.