Transformando a educação com Inteligência Artificial: criamos 8 mil atividades para escolas públicas brasileiras

No AprendiZAP, temos a missão de ser uma ferramenta digital prática de aprendizagem para alunos de escolas públicas do Brasil. Olhando para os desafios educacionais, percebemos a urgência em estimular uma aprendizagem autônoma e participativa, que pode ser alcançada por meio de metodologias ativas de ensino.

Nesse contexto, nossa equipe de engenharia foi desafiada a criar pelo menos seis propostas de metodologias ativas para cada uma das 1.428 aulas disponíveis para o Ensino Fundamental II. Também era necessário organizar um processo de revisão com professores para assegurar a qualidade do material produzido.

Considerando o volume — mais de 8 mil atividades ao final do projeto —, a criação manual seria inviável. Por isso, optamos por utilizar inteligência artificial generativa. Os testes começaram com o ChatGPT, que mostrou potencial, embora exigisse refinamentos.

Diante do volume, automatizamos o processo por meio da API da OpenAI, então usando o modelo gpt-3.5-turbo. A API também permitiu ajustar parâmetros como a temperatura, que influencia o grau de criatividade das respostas.

Engenharia de prompts

O prompt é a instrução dada ao modelo. A qualidade das respostas geradas depende diretamente da qualidade dessa instrução. Nas primeiras semanas, dedicamos esforço significativo para definir e refinar os prompts usados na geração das atividades, combinando técnicas aprendidas, análises qualitativas de pacotes de teste e feedback do próprio modelo.

Também ajustamos a temperatura para cada disciplina, pois percebemos que, em alguns casos, valores mais altos produziam resultados menos conectados à realidade.

O prompt final solicitava um guia pedagógico para auxiliar professores a tornar as aulas mais envolventes, estruturado em seis seções: contextualização, plano de aula, intencionalidade pedagógica, critérios de avaliação, ações do professor e ações dos alunos. Com os metadados de cada aula, identificamos 12 metodologias ativas para aumentar a variedade das propostas.

Revisão humana no centro

Dada a quantidade de conteúdo gerado, precisávamos de uma estratégia sólida para revisão. O desafio era apresentar o material em uma plataforma familiar aos professores revisores. Consideramos diferentes CMSs, mas escolhemos o Google Docs, que já fazia parte da rotina da equipe.

Usando as APIs do Google Drive e do Google Docs, automatizamos parte do processo. Os materiais gerados foram convertidos em documentos e armazenados em uma pasta compartilhada. Isso permitiu que professores acessassem, revisassem e editassem o material, além de oferecer backups automáticos e histórico de versões.

Os professores revisores desempenharam um papel crucial na avaliação da qualidade. Para agilizar o processo, estabelecemos um código: ✅ marcava arquivos revisados e prontos; ❌ indicava propostas recusadas, que precisariam de ajustes ou de uma nova metodologia ativa.

Depois da revisão, usamos novamente a API do Google Drive para extrair apenas os arquivos aprovados e incorporá-los ao banco de conteúdos. A equipe de dados segmentou os textos em suas seções. A integração entre diferentes habilidades foi fundamental para concluir o projeto.

O que aprendemos

Sem IA, a produção nessa escala teria sido impraticável. Engenharia de prompts, revisão, APIs do Google Docs e do Drive contribuíram para o resultado. A chave foi entender como a tecnologia poderia auxiliar no processo sem perder o objetivo final: criar uma experiência de aprendizado útil para professores e alunos.

Embora a inteligência artificial seja poderosa, ela é uma ferramenta. Ainda dependemos do discernimento e da experiência humana para garantir que o conteúdo gerado tenha qualidade e seja realmente útil para o ensino.