• Informações do Trabalho

Titulo Creation of an Intelligent Expert Tutor for Education Managers: Bringing Research Results to Professionals in the Field Subtítulo Autor ABRAÃO DE PAULA CAROLINO Orientador JAIRO FRANCISCO DE SOUZA Resumo O grande crescimento da produção acadêmica ultimamente tem dificultado o acesso e a aplicação de evidências científicas na prática educacional. Grande Modelos de Linguagem (LLMs) oferecem novas possibilidades de recuperação e síntese de conhecimento que poderiam ajudar, mas ainda enfrentam limitações relacionadas a bases de conhecimento estáticas e ao risco de gerar informações imprecisas ou não verificáveis. Para enfrentar esses desafios, este estudo propõe e avalia um sistema baseado no paradigma de Geração Aumentada por Recuperação (RAG), projetado para transformar repositórios acadêmicos em ambientes interativos e baseados em evidências. Foram desenvolvidas e comparadas três arquiteturas: Naive RAG, Advanced RAG e Modular RAG, por meio de análises quantitativas e qualitativas. A avaliação quantitativa empregou métricas automatizadas de fidelidade de recuperação, fidedignidade e relevância das respostas, enquanto a análise qualitativa envolveu interações e feedbacks de participantes com diferentes níveis de formação. Os resultados revelaram um equilíbrio entre eficiência e profundidade de raciocínio. A arquitetura Naive RAG apresentou maior eficiência geral, enquanto a Modular RAG demonstrou melhor integração contextual e coerência conversacional. Esses achados confirmam que sistemas baseados em RAG podem aproximar a produção científica da prática educacional, oferecendo acesso confiável ao conhecimento acadêmico. O estudo contribui tanto metodologicamente, ao propor um framework de avaliação reprodutível, quanto de forma prática, ao demonstrar a viabilidade de implantar arquiteturas RAG em contextos educacionais para apoiar decisões baseadas em evidências. Palavras-Chave Retrieval-Augmented Generation, RAG, Large Language Models, LLM, Gestão Educacional, Suporte à Decisão.