Fluxo de Geração Agêntica de Quizzes

Gatilho: Aluno solicita um quiz de prática via interação com agente
Duração: Fase A (geração): 5–15 segundos | Fase B (feedback): 2–10 segundos
Exemplo: "Criar um quiz de 5 perguntas sobre Redes Neurais, escolha múltipla"

---

Visão Geral

A geração de quizzes usa uma abordagem agêntica onde um "Agente Quiz Master" de IA orquestra todo o processo, desde a seleção do tópico até à entrega do feedback.

Fase A: Intenção do Aluno → Seleção de Tópico → Recuperação de Material → Síntese de Quiz
Fase B: Respostas do Aluno → Classificação → Análise de Erros → Feedback Formativo

---

Fase A: Geração de Quiz

1. Inicialização do Agente

O Agente Quiz Master é inicializado com:

• Papel: "Agente Quiz Master"
• Objetivo: Criar quiz de prática personalizado
• Ferramentas: Pesquisa Qdrant, LLM para geração de perguntas
• Contexto: course_id, student_id, student_quiz_history (opcional)

2. Elicitação do Tópico

Diálogo agente-aluno:

Agente: "Sobre que tópico gostaria de ser testado?"
Aluno: "Redes Neurais"
Agente: Valida se o tópico existe no Qdrant para o curso

3. Seleção do Formato do Quiz

Agente: "Prefere verdadeiro/falso ou escolha múltipla? Quantas perguntas (3–10)?"
Aluno: "5 escolha múltipla"

O agente armazena: topic, format, num_questions

4. Recuperação de Material

Pesquisa Qdrant para conteúdo do quiz:

{
  "collection": "course_materials",
  "query": "<embeddings do tópico>",
  "filter": { "course_id": "<curso do aluno>" },
  "top_k": 10,
  "threshold": 0.65
}

Porquê top_k=10?

Mais chunks recuperados = maior variedade na geração de perguntas

5. Validação do Quiz

Verificação	Ação
k < 3 materiais	Agente sugere tópicos alternativos
k >= 3 materiais	Prosseguir para geração de perguntas

6. Geração de Perguntas

Prompt de Sistema:

Você é um expert em design de testes educacionais para alunos universitários.
Crie {num_questions} questões {format} baseadas nos materiais de aula fornecidos.

Requisitos:
- Cada questão testa um objetivo de aprendizagem distinto
- Progressão de dificuldade: primeiras 2 fáceis, próximas 2 médias, última 1 difícil
- Distratores plausíveis mas claramente incorretos
- TODO conteúdo vem dos materiais fornecidos
- Linguagem: Português (Portugal)

Formato de saída: JSON com estrutura exata abaixo.

7. Estrutura JSON do Quiz

{
  "quiz_id": "uuid",
  "course_id": 123,
  "topic": "Redes Neurais",
  "format": "multiple_choice",
  "num_questions": 5,
  "created_at": "2025-12-16T20:30:00Z",
  "materials_used": ["chunk_id_1", "chunk_id_2"],
  "questions": [
    {
      "id": 1,
      "type": "multiple_choice",
      "difficulty": "easy",
      "text": "O que é uma rede neural artificial?",
      "options": [
        {"label": "A", "text": "Um modelo computacional inspirado no cérebro humano"},
        {"label": "B", "text": "Uma rede de computadores interligados"},
        {"label": "C", "text": "Uma arquitetura de hardware específica"},
        {"label": "D", "text": "Um algoritmo de ordenação de dados"}
      ],
      "correct_answer": "A",
      "explanation": "Uma rede neural artificial é um modelo computacional...",
      "source_chunk": "chunk_id_1"
    }
  ]
}

---

Fase B: Feedback de Respostas

1. Submissão de Respostas

O aluno submete respostas:

{
  "quiz_id": "uuid",
  "answers": [
    {"question_id": 1, "answer": "A"},
    {"question_id": 2, "answer": "C"},
    {"question_id": 3, "answer": "B"}
  ]
}

2. Classificação

Para cada resposta:

• Comparar resposta do aluno vs. correct_answer
• Calcular: score = corretas / num_questions
• Marcar: ✅ (correta) / ❌ (incorreta)

3. Análise de Erros

Para respostas incorretas:

Tipo de Erro	Descrição
Mal-entendido do conceito	Confusão fundamental sobre o tópico
Erro por distração	Compreensão correta, seleção incorreta
Lacuna de conhecimento	Tópico não totalmente estudado

4. Geração de Feedback Formativo

Para cada pergunta incorreta:

❌ Pergunta 2: Incorreta

**Sua resposta:** C - "Uma técnica de compressão"
**Resposta correta:** A - "Um método de regularização"

**Explicação:** Dropout é uma técnica de regularização que 
aleatoriamente desativa neurónios durante o treino para 
prevenir overfitting. Não está relacionado com compressão de dados.

**Reveja:** Secção 3.2 em "aula_04_regularizacao.pdf"

5. Feedback Geral

📊 Resultado: 3/5 corretas (60%)

✅ **Pontos fortes:**
   Você demonstra boa compreensão de conceitos básicos de redes neurais.

📚 **Áreas a melhorar:**
   Foque em técnicas de regularização e otimização.

🎯 **Próximos passos:**
   • Reveja os materiais sobre regularização
   • Tente outro quiz sobre este tópico
   • Avance para "Redes Convolucionais"

6. Ciclo de Aprendizagem

• Armazenar desempenho do quiz no perfil do aluno
• Recomendar tópicos relacionados para estudo adicional
• Oferecer opções:
  • "Gerar outro quiz sobre este tópico?"
  • "Avançar para [próximo tópico]?"

---

Próximos Passos

• Plugin Moodle - Arquitetura de integração
• Monitorização - Rastrear métricas de desempenho de quizzes