Fluxo de Esclarecimento de Dúvidas

Gatilho: Aluno publica uma pergunta específica sobre conteúdo do curso
Duração: 2–5 segundos
Exemplo: "Qual é a diferença entre supervised e unsupervised learning?"

---

Visão Geral do Processo

O fluxo de esclarecimento de dúvidas fornece respostas contextuais às perguntas dos alunos, extraindo exclusivamente dos materiais do seu curso.

Pergunta do Aluno → Deteção de Intenção → Pesquisa Qdrant → Explicação LLM → Resposta

---

Passos Detalhados

1. Receção da Pergunta

O aluno faz uma pergunta específica no chat:

• Contexto fornecido:
  • course_id - Curso inscrito do aluno
  • student_id - Para rastreio de personalização
  • student_level (opcional) - "beginner", "intermediate", "advanced"

2. Deteção de Intenção

O sistema analisa a pergunta:

• Analisar para tópico, conceito e indicadores de dificuldade
• Sinalizar se a pergunta está fora do âmbito (administrativa, não académica)
• Identificar conceitos chave para pesquisa direcionada

3. Pesquisa Qdrant

Recuperar materiais de curso relevantes:

{
  "filter": { "course_id": "<curso do aluno>" },
  "query": "<pergunta original + expansão semântica>",
  "top_k": 5,
  "include": ["chunk_text", "filename", "section_id"]
}

4. Gestão de Resultados

Cenário	Resposta
Sem resultados (k=0)	"Não encontrei materiais específicos sobre isto no seu curso. Por favor consulte o seu docente ou a secção [X] do manual."
Resultados fracos (k<3, similaridade<0.6)	Resposta parcial + aviso sobre materiais limitados
Resultados fortes (k≥3, similaridade≥0.7)	Explicação completa dos materiais do curso

5. Prompt de Esclarecimento

Prompt de Sistema (pt-PT):

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. Explicação LLM

Parâmetros de geração priorizam precisão:

Parâmetro	Valor	Justificação
Modelo	GPT-4 ou Claude 3	Alta precisão
Temperature	0.3	Priorizar precisão sobre criatividade
Formato	Passo-a-passo	Estrutura de explicação clara

7. Melhoria Metacognitiva

Cada resposta termina com:

• "Esta resposta esclareceu a sua dúvida? Perguntas de seguimento são bem-vindas."
• Pergunta + resposta registadas para melhoria curricular

---

Exemplo de Interação

Pergunta do Aluno

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

Resposta de Exemplo:

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!

---

Respostas Adaptativas

O sistema ajusta explicações com base no nível do aluno:

Nível	Adaptação
Iniciante	Vocabulário mais simples, mais analogias, explicações mais longas
Intermédio	Linguagem académica padrão, detalhe equilibrado
Avançado	Terminologia técnica, explicações concisas, referências a literatura

---

Próximos Passos

• Geração de Quizzes - Avaliações adaptativas
• Integração LangFlow - Configuração de fluxos de trabalho