Doubt Clarification Flow

Trigger: Student posts a specific question about course content
Duration: 2–5 seconds
Example: "What is the difference between supervised and unsupervised learning?"

---

Process Overview

The doubt clarification flow provides context-aware answers to student questions, drawing exclusively from their course materials.

Student Question → Intent Detection → Qdrant Search → LLM Explanation → Response

---

Detailed Steps

1. Question Intake

Student asks a specific question in the chat:

• Context provided:
  • course_id - Student's enrolled course
  • student_id - For personalization tracking
  • student_level (optional) - "beginner", "intermediate", "advanced"

2. Intent Detection

The system analyzes the question:

• Parse for topic, concept, and difficulty indicators
• Flag if question is out-of-scope (administrative, non-academic)
• Identify key concepts for targeted search

3. Qdrant Search

Retrieve relevant course materials:

{
  "filter": { "course_id": "<student's course>" },
  "query": "<original question + semantic expansion>",
  "top_k": 5,
  "include": ["chunk_text", "filename", "section_id"]
}

4. Result Handling

Scenario	Response
No results (k=0)	"I couldn't find specific materials about this in your course. Please consult your instructor or textbook section [X]."
Weak results (k<3, similarity<0.6)	Partial answer + disclaimer about limited materials
Strong results (k≥3, similarity≥0.7)	Full explanation from course materials

5. Clarification Prompt

System Prompt (Portuguese):

Você é um tutor educacional paciente e claro. Um aluno tem uma dúvida.
Explique usando APENAS os materiais de aula fornecidos.
Se os materiais não cobrem completamente a resposta, diga-o explicitamente.

Nível do aluno: {student_level}

Estruture a resposta assim:
1. **Resposta direta** – responda a pergunta em 1-2 frases
2. **Explicação passo-a-passo** – detalhes (3-4 passos)
3. **Exemplo do curso** – mostre com exemplo concreto
4. **Dica de estudo** – o que rever ou como aplicar

Linguagem: Português (Portugal), clara e acessível
Tom: Educacional, paciente, sem jargão desnecessário

6. LLM Explanation

Generation parameters prioritize accuracy:

Parameter	Value	Rationale
Model	GPT-4 or Claude 3	High accuracy
Temperature	0.3	Prioritize accuracy over creativity
Format	Step-by-step	Clear explanation structure

7. Metacognitive Enhancement

Every response ends with:

• "Did this clarify your doubt? Follow-up questions welcome."
• Question + answer logged for curriculum improvement

---

Example Interaction

Student Question

"Qual é a diferença entre supervised e unsupervised learning?"

Sample Response:

Resposta Direta

A principal diferença está na presença de rótulos: no supervised learning, os dados de treino têm rótulos conhecidos; no unsupervised learning, não existem rótulos.

Explicação Passo-a-Passo

1. Supervised Learning: O modelo aprende a partir de exemplos rotulados (input → output conhecido)
2. Unsupervised Learning: O modelo identifica padrões sem orientação prévia
3. Objetivo: Supervisado prevê; não-supervisado agrupa ou reduz dimensões
4. Exemplos: Classificação de spam (supervisado) vs. segmentação de clientes (não-supervisado)

Exemplo do Curso

Na aula 3, vimos o algoritmo k-means (não-supervisado) para agrupar dados de estudantes por comportamento.

Dica de Estudo

Reveja a secção 2.3 do material "ML_Fundamentals.pdf" para mais exemplos práticos.

---

Esta resposta esclareceu a sua dúvida? Perguntas de seguimento são bem-vindas!

---

Adaptive Responses

The system adjusts explanations based on student level:

Level	Adaptation
Beginner	Simpler vocabulary, more analogies, longer explanations
Intermediate	Standard academic language, balanced detail
Advanced	Technical terminology, concise explanations, references to literature

---

Fallback Behavior

When course materials don't cover the topic:

Não encontrei informação específica sobre este tópico nos materiais 
do seu curso. 

Sugestões:
• Consulte o seu docente para clarificação
• Verifique a secção [X] do livro recomendado
• Procure recursos adicionais na biblioteca digital

---

Next Steps

• Quiz Generation - Adaptive assessments
• LangFlow Integration - Workflow configuration