Aula 1, Perfil do aluno

Esta aula abre a modelagem de longo prazo do aluno. Para personalizar o ensino, o assistente precisa de um modelo de quem é cada aluno, o seu perfil. Vamos definir e construir esse perfil, que acumula o que sabemos sobre o aluno ao longo do tempo.

Os módulos anteriores nos deram um assistente que ensina, age e analisa. Mas ele ainda trata todos os alunos da mesma forma. Um bom tutor humano não faz isso, ele conhece cada aluno, sabe o nível de cada um, em que tem dificuldade, como prefere aprender, e adapta o ensino a isso. Para o nosso assistente fazer o mesmo, ele precisa de um modelo do aluno, e o ponto de partida desse modelo é o perfil.

O perfil é a representação estruturada do que sabemos sobre um aluno. Ele guarda informações estáveis, como o nível e as preferências, e informações que evoluem, como o domínio de cada tema. Diferente das métricas de uma sessão, o perfil é persistente e cumulativo, ele cresce a cada interação, formando uma imagem cada vez mais rica do aluno. Nesta aula você vai definir e construir esse perfil, a fundação da personalização.

Objetivos

Ao final desta aula, você deve ser capaz de:

Explicar o que é o perfil de um aluno e para que ele serve.
Distinguir informações estáveis de informações que evoluem.
Implementar uma estrutura de perfil que acumula conhecimento sobre o aluno.
Atualizar o perfil a partir das interações.

Teoria

O perfil de um aluno organiza, em um só lugar, o que o sistema sabe sobre ele. As informações se dividem em duas naturezas. As estáveis mudam pouco, como o nome, o nível geral declarado e as preferências de aprendizagem, por exemplo gostar de exemplos visuais. As dinâmicas evoluem com o uso, como o domínio de cada tema, os temas com dificuldade, e o histórico de desempenho.

flowchart LR
    I[Interações do aluno] --> P[Perfil]
    P --> E[Estável: nível, preferências]
    P --> D[Dinâmico: domínio por tema, dificuldades]
    P --> U[Usado para personalizar]

A modelagem do aluno é um campo clássico da computação educacional, e o perfil é a sua peça central, como discutem trabalhos sobre hipermídia adaptativa, de Brusilovsky. O perfil é o que permite ao sistema responder de forma diferente a alunos diferentes, e por isso a sua riqueza define o teto da personalização. Um perfil pobre leva a uma personalização rasa, um perfil rico permite uma adaptação fina.

A atualização do perfil é contínua. Cada interação, cada exercício respondido, cada dúvida, traz informação nova, e o perfil a incorpora. Esse processo de acumular evidências sobre o aluno é o que transforma interações isoladas em um conhecimento crescente, base do acompanhamento de longo prazo.

Explicação Intuitiva

Pense na ficha que um bom professor mantém, mentalmente ou no papel, sobre cada aluno. Ele anota que a Ana é visual e aprende rápido, que o Bruno trava em frações mas vai bem em geometria, que a Carla precisa de mais exemplos. Com essa ficha, o professor adapta a aula a cada um. O perfil é essa ficha, mantida pelo sistema, e atualizada a cada aula.

A diferença entre o estável e o dinâmico é como a diferença entre o nome do aluno, que não muda, e as suas notas, que evoluem. O nome você anota uma vez. As notas você atualiza sempre. O perfil mistura os dois, guardando o que é fixo e acompanhando o que muda, para ter sempre uma imagem atual e completa do aluno.

Explicação Matemática

O perfil é uma estrutura de dados, mais do que uma fórmula. Podemos representá-lo como um conjunto de atributos, $\text{perfil} = {\text{nível}, \text{preferências}, M}$, em que $M$ é um mapa do domínio de cada tema, $M[\text{tema}] \in [0, 1]$, indicando o quanto o aluno domina aquele assunto.

A atualização é uma função que incorpora uma nova evidência ao perfil. Para o domínio de um tema, uma forma simples é uma média móvel sobre os acertos. Se a evidência é um acerto em um tema, o domínio daquele tema sobe; se é um erro, desce. Na próxima aula formalizaremos essa atualização com o knowledge tracing, mas a ideia já está aqui, o perfil é um estado que se atualiza a cada observação, refinando a estimativa do que o aluno sabe.

Exemplo Prático

Vamos construir uma estrutura de perfil que guarda o nível, as preferências e o domínio por tema, e atualizá-la a partir de respostas a exercícios. Cada acerto aumenta o domínio do tema, cada erro o diminui, de forma simples, e o perfil vai refletindo o que o aluno sabe.

A estrutura é determinística e roda sem o modelo. O código está no notebook notebooks/modulo-13/01-perfil-do-aluno.ipynb, então abra-o ao lado para acompanhar.

Código Comentado

from dataclasses import dataclass, field


@dataclass
class PerfilAluno:
    """Modelo do aluno: parte estável e parte dinâmica."""
    nome: str
    nivel: str = "iniciante"                      # estável
    preferencias: list = field(default_factory=list)
    dominio: dict = field(default_factory=dict)   # dinâmico: tema -> [0, 1]

    def registrar_resposta(self, tema, correto, passo=0.2):
        """Atualiza o domínio de um tema a partir de uma resposta."""
        atual = self.dominio.get(tema, 0.3)        # começa com domínio baixo
        if correto:
            atual = min(1.0, atual + passo)
        else:
            atual = max(0.0, atual - passo)
        self.dominio[tema] = round(atual, 2)

    def temas_fracos(self, limiar=0.5):
        return [t for t, d in self.dominio.items() if d < limiar]


# Constrói e atualiza o perfil da Ana ao longo de uma sessão.
ana = PerfilAluno("Ana", nivel="iniciante", preferencias=["exemplos visuais"])
for tema, correto in [("derivada", True), ("derivada", True), ("matriz", False), ("matriz", False)]:
    ana.registrar_resposta(tema, correto)

print("Perfil:", ana.nome, "| nível:", ana.nivel, "| prefere:", ana.preferencias)
print("Domínio por tema:", ana.dominio)
print("Temas fracos:", ana.temas_fracos())

Ao rodar, o perfil da Ana reflete a sessão. O domínio de derivada subiu com os acertos, e o de matriz caiu com os erros, deixando matriz na lista de temas fracos. A parte estável, nível e preferências, permanece. Esse perfil, que mistura o que é fixo com o que evolui, é a base de tudo o que vem no módulo. Na próxima aula, fazemos esse conhecimento persistir entre as sessões, e depois o refinamos com a modelagem cognitiva.

Exercícios

1) Conceitual: Qual a diferença entre as informações estáveis e dinâmicas de um perfil? Dê exemplos. 2) Conceitual: Por que a riqueza do perfil define o teto da personalização? 3) Prático: Acrescente ao perfil um campo de ritmo preferido, por exemplo rápido ou devagar, e use-o. 4) Prático: Mude o passo de atualização do domínio e observe como o perfil reage mais ou menos rápido às respostas. 5) Extensão: Pesquise os tipos de modelo do aluno em sistemas tutores inteligentes, como o modelo de sobreposição.

Projeto da Aula

Construa um perfil de aluno acumulativo. A entrega é uma estrutura de perfil com partes estável e dinâmica, e métodos para atualizá-la a partir de respostas e consultar o domínio e os temas fracos, simulando uma sessão de estudo.

Considere o projeto pronto quando o perfil refletir corretamente uma sessão de acertos e erros, com o domínio subindo e descendo por tema, e quando você escrever um parágrafo sobre quais outras informações enriqueceriam o perfil. Esse perfil é a fundação do sistema adaptativo que construímos no projeto do módulo.

Leituras Recomendadas

O artigo de Brusilovsky sobre hipermídia adaptativa e modelagem do usuário.
Materiais sobre sistemas tutores inteligentes e modelos do aluno.
O artigo dos agentes generativos, de Park e colegas, sobre perfis que evoluem.

Referências Científicas

As referências abaixo são reais e estão registradas em references/referencias.bib. As chaves entre parênteses são as do BibTeX.

Brusilovsky, P. (2001). Adaptive Hypermedia. User Modeling and User-Adapted Interaction, 11(1-2), 87-110. (brusilovsky2001adaptive)
Corbett, A. T., e Anderson, J. R. (1994). Knowledge Tracing: Modeling the Acquisition of Procedural Knowledge. UMUAI, 4(4), 253-278. (corbett1994knowledge)
Park, J. S., et al. (2023). Generative Agents: Interactive Simulacra of Human Behavior. UIST. (park2023generative)