Abstract
A integração de metodologias ativas ao ensino de Estatística e Data Science tem impulsionado a busca por recursos que conectem modelos estatísticos a contextos reais. Nesse cenário, o ChatGPT desponta como ferramenta capaz de gerar dados customizados para práticas didáticas. Este trabalho teve como objetivo desenvolver e avaliar um assistente personalizado no ChatGPT, estruturado por meio de prompt engineering, para produzir conjuntos de dados simulados completos, contextualizados e aderentes a distribuições estatísticas definidas pelo usuário. O estudo foi conduzido em caráter exploratório-computacional, sendo testado no caso “tempo de processamento até o computador travar”, modelado pela distribuição de Weibull. O assistente gerou 121 amostras acompanhadas de variáveis contextuais (carga de CPU e uso de memória), que foram analisadas por meio de tabelas de frequência, histogramas, ajuste da curva teórica e cálculo do erro médio quadrático. Os resultados evidenciaram ajuste consistente à Weibull, com parâmetros plausíveis e correlações negativas entre as variáveis contextuais e o tempo até a falha, conferindo realismo ao conjunto. A pesquisa demonstra que, quando guiado por um prompt estruturado, o ChatGPT é capaz de produzir dados estatisticamente consistentes e pedagogicamente úteis, favorecendo metodologias ativas e práticas aplicadas no ensino de Estatística.

This publication has 2 references indexed in Scilit: