Tiago Thompsen Primo

Grandes Modelos de Linguagem (LLMs) podem ajudar a reduzir desigualdades educacionais em países do Sul Global, onde a escassez de professores convive com limitações de infraestrutura e conectividade. Este trabalho avalia LLMs compactos como possíveis componentes de sistemas de tutoria educacional em ambientes com poucos recursos. Dezesseis modelos com menos de 4 bilhões de parâmetros foram testados em uma Raspberry Pi 5 usando provas de múltipla escolha de nível fundamental em quatro áreas do conhecimento. Os resultados mostram um trade-off entre acurácia e custo computacional. Modelos menores funcionam para alguns domínios, enquanto tarefas que exigem raciocínio estruturado tendem a demandar modelos maiores.

Este artigo apresenta o TECA, um framework sociotécnico para desenvolver tecnologias educacionais em contextos de deserto digital. Com base em revisão narrativa estruturada, comparação metodológica e instanciação longitudinal, o TECA organiza o projeto em cinco fases: Territorialidade, Ecossistema, Cultura, Ação e Avaliação Situada. Sua aplicação a uma tecnologia tangível de alfabetização mostra como restrições situadas orientaram operação offline, feedback multimodal, baixa configuração, mediação docente e reprojeto físico, preservando a rastreabilidade entre contexto, requisitos e decisões.

Este artigo apresenta uma avaliação formativa de usabilidade de um dispositivo tangível de alfabetização com sete crianças de 6 a 11 anos em uma organização social. Em 26 sessões individuais, a coleta combinou logs de interação, diário de campo e uma versão adaptada do método AGAIN-AGAIN com escala visual. O dispositivo registrou 84 construções de palavras e 199 eventos de interação. Os resultados definem requisitos priorizados de reprojeto para transição entre palavras, duração do feedback de acerto, acentuação, estruturas grafêmicas complexas, grupos fixos, significado das cores e ajustes orientados por logs. A contribuição consiste em requisitos derivados de uso real, sem tratar registros de interação como medidas de aprendizagem.

Este artigo apresenta um modelo adaptativo local para seleção de vocábulos em um dispositivo tangível de alfabetização. O modelo atualiza perfis fonêmicos a partir de logs reais e seleciona Wt∗, sem estimar desempenho para itens não realizados. A análise retrospectiva considerou 199 eventos de tentativa, 84 construções, sete crianças, 26 sessões e um acervo de 53 vocábulos em grupos rígidos. A sequência observada apresentou 45,8% de acerto, 1,23 correções por construção, Índice de Alinhamento Pedagógico médio de 64,2% e distância média de 0,21. Os resultados indicam que a adaptação local depende do modelo de seleção e de vocábulos-ponte para RR, encontros consonantais e o par LH/NH.

Introdução: O PISA 2022 evidenciou baixo desempenho dos estudantes brasileiros em matemática, leitura e ciências. Objetivo: Investigar fatores associados ao rendimento escolar por meio do algoritmo K-Means aplicado à PeNSE e ao IDEB. Metodologia: Foram analisados dados da PeNSE (2009, 2015 e 2019) em associação ecológica com o IDEB para identificar perfis de estudantes. Resultados: Baixa supervisão parental, alimentação inadequada, sedentarismo e uso precoce de álcool e drogas associaram-se a menor desempenho no IDEB, enquanto hábitos saudáveis e apoio socioemocional relacionaram-se a melhores resultados. Desigualdades socioeconômicas permaneceram determinantes do desempenho escolar.

Introdução: A BNCC de Computação impõe complexos desafios de transição curricular e adaptações da prática pedagógica. Objetivo: Diagnosticar a maturidade digital de uma escola pública em Santo Ângelo/RS. Metodologia: Realizou-se um estudo de caso descritivo quantitativo que cruzou as autoavaliações anônimas de 11 professores e 46 estudantes por meio do instrumento europeu SELFIE. Resultados: Constatou-se um crítico “Sincronismo de Lacuna” no Pensamento Computacional: 63,6% dos docentes declaram não ensinar programação e 39,1% dos discentes adotam postura neutra sobre a mesma questão, evidenciando a codificação como competência latente que requer abordagens ativas urgentes.

Este artigo apresenta o desenvolvimento e a validação do Alfaba, um dispositivo multissensorial com interface tangível voltado ao processo de alfabetização de crianças com dislexia. O projeto foi fundamentado em literatura especializada sobre alfabetização, neuroplasticidade, dislexia e tecnologia educacional, com ênfase em abordagens multissensoriais. O Alfaba foi desenhado para mobilizar estímulos auditivos, visuais, táteis, articulatórios e motores, promovendo a associação entre fonemas e grafemas por meio da manipulação de letras físicas dotadas de Radio-Frequency Identification (RFID). O desenvolvimento seguiu seis etapas: fundamentação teórica, desenho do projeto, construção do protótipo não funcional, teste de projeto com especialistas, construção do protótipo funcional e validação com usuários finais. A validação envolveu um grupo focal com seis educadoras e sete crianças e testes individuais de usabilidade com sete crianças (7–10 anos), permitindo analisar acessibilidade, compreensão das funcionalidades, interpretação dos sinais visuais e sonoros e aplicabilidade pedagógica. Os resultados indicaram compreensão das funções básicas e apontaram ajustes prioritários no material e nos vãos de encaixe das letras, na simbologia dos botões e na legibilidade da tela. Estão previstas modificações no material da caixa, adoção de tela colorida de maior nitidez, revisão de ícones, botões maiores e controle de volume. O projeto considera restrições de custo e manutenção de escolas públicas e dialoga com a BNCC quanto ao uso pedagógico de tecnologias digitais.

Neste artigo, propomos uma estratégia para incorporar guias de ajuda, via inferência, em tutoria de estudantes no aprendizado on-line. Desenvolvemos um módulo de Sistema de Tutoria Inteligente (STI) que integra a atuação de tutores humanos na construção desses guias. Esses guias, baseados em tutorias realizadas sobre o uso de uma plataforma de Rede Social Educativa (RSE), foram incorporados por meio de modelos de Processamento de Linguagem Natural (PLN). Utilizamos um modelo híbrido, retroalimentado por tutores humanos, que combina intervenções humanas e artificiais. Esse modelo gera um espaço de hipóteses para capturar o significado semântico e contextual de perguntas difíceis, oferecendo respostas com base no conhecimento prévio dos tutores. Testes preliminares indicam que os guias de ajuda, desenvolvidos por tutores em momentos off-line, orientam o modelo durante o treinamento, utilizando técnicas de destilação de conhecimento para respostas no aprendizado on-line. Os resultados demonstraram que a estratégia proposta oferece tutorias efetivas, com menor percepção de complexidade e alta satisfação, ao personalizar a experiência com base nas necessidades de tutoria identificadas.