Padrões de Interação em Tutoria por IA: Perfis Conversacionais Compatíveis com Aprendizagem Autorregulada
Open Access
- 5 October 2026
- conference paper
- Published by Sociedade Brasileira de Computação
- p. 219-232
Abstract
Este artigo investiga se rastros interacionais de diálogos com tutores baseados em Inteligência Artificial podem revelar perfis comportamentais interpretáveis compatíveis com processos de aprendizagem autorregulada. Analisamos o conjunto de dados público StudyChat, composto por 2.214 conversas de 203 estudantes distribuídas em sete atividades de programação de uma disciplina universitária de Inteligência Artificial. As mensagens dos estudantes foram mapeadas em atos de fala e modeladas como matrizes de transição de cadeias de Markov de primeira e segunda ordem no nível estudante-atividade. Após vetorização, padronização, redução de dimensionalidade com UMAP e clusterização com K-means, os grupos resultantes foram interpretados com apoio de métricas estruturais e modelos de processo extraídos com Heuristic Miner. A representação de segunda ordem produziu a solução mais coerente, com seis perfis de interação que variam de comportamentos rígidos e diretivos a padrões densamente exploratórios. Uma análise longitudinal baseada em distância de Hamming mascarada mostrou que muitos estudantes transitam entre perfis ao longo das atividades, em vez de permanecerem em um modo único e estável. Como principal contribuição, o estudo apresenta um pipeline explicável de learning analytics para dados conversacionais educacionais e mostra como esses rastros podem sustentar interpretações cautelosas, teoricamente informadas e relevantes para tutores por IA adaptativos.Keywords
This publication has 17 references indexed in Scilit:
- The StudyChat Dataset: Analyzing Student Dialogues With ChatGPT in an Artificial Intelligence Course2026
- Exploring Manifestations of Learners’ Self-Regulated Tactics and Strategies Across Blended Learning CoursesIEEE Transactions on Learning Technologies, 2024
- Modeling learning behaviors and predicting performance in an intelligent tutoring system: a two-layer hidden Markov modeling approachInteractive Learning Environments, 2021
- Sentence encoding for Dialogue Act classificationNatural Language Engineering, 2021
- Time-driven modeling of student self-regulated learning in network-based tutorsInteractive Learning Environments, 2021
- Considerably Improving Clustering Algorithms Using UMAP Dimensionality Reduction Technique: A Comparative Study2020
- Detecting speech act types in developer question/answer conversations during bug repair2018
- A Systematic Literature Review of Automated Feedback Generation for Programming ExercisesACM Transactions on Computing Education, 2018
- Mining theory-based patterns from Big data: Identifying self-regulated learning strategies in Massive Open Online CoursesComputers in Human Behavior, 2018
- Improving students’ help-seeking skills using metacognitive feedback in an intelligent tutoring systemLearning and Instruction, 2011