Potencializando o direcionamento educacional : um sistema baseado em inteligência artificial para otimização da jornada de aprendizagem

Abstract

Este trabalho apresenta o desenvolvimento de uma plataforma web educacional que integra processamento de linguagem natural e elementos de gamificação para auxiliar jovens brasileiros entre 8 e 17 anos na identificação de seus interesses educacionais e profissionais. A pesquisa fundamentou-se na problemática da evasão escolar no Brasil, que afeta 9,2 milhões de jovens, e na dificuldade dos adolescentes em reconhecer suas aptidões em meio à complexidade de escolhas contemporâneas. A metodologia adotada caracterizou-se como pesquisa aplicada quali-quantitativa, combinando desenvolvimento de software com análise empírica. Foi construído um dataset especializado com 13.500 exemplos através de metodologia híbrida, utilizado para adaptar o modelo BERTimbau Large à linguagem juvenil brasileira. O sistema implementado integra arquitetura baseada em microsserviços, combinando BigQuery, Cloud Functions, FastAPI, Google Firestore e React, com design pedagógico estruturado em nove áreas de conhecimento. A validação qualitativa com 44 alunos do sexto ano revelou características linguísticas fundamentais: 83,8% das respostas continham variações ortográficas não-padrão, 64,9% expressavam múltiplos interesses simultaneamente, e o vocabulário refletia influências da cultura digital contemporânea. A análise demonstrou que a integração entre questionário estruturado e processamento de texto livre permite capturar nuances difíceis de identificar em sistemas unidimensionais, como distinguir interesse recreativo de aspirações profissionais. Os resultados evidenciam a importância de considerar as especificidades da comunicação juvenil no desenvolvimento de ferramentas educacionais, contribuindo para democratização do acesso à orientação vocacional personalizada.

This work presents the development of an educational web platform that integrates natural language processing and gamification elements to assist Brazilian people aged 8 to 17 in identifying their educational and professional interests. The research addressed the problem of school dropout in Brazil, affecting 9.2 million young people, and adolescents’ difficulty in recognizing their aptitudes amid contemporary choice complexity. The methodology adopted was characterized as quali-quantitative applied research, combining software development with empirical analysis. A specialized dataset with 13,500 examples was built through hybrid methodology, used to adapt the BERTimbau Large model to Brazilian youth language. The implemented system integrates microservices-based architecture, combining BigQuery, Cloud Functions, FastAPI, Google Firestore, and React, with pedagogical design structured across nine knowledge areas. Qualitative validation with 44 sixth-grade students revealed fundamental linguistic characteristics: 83.8% of responses contained non-standard orthographic variations, 64.9% expressed multiple interests simultaneously, and vocabulary reflected contemporary digital culture influences. The analysis demonstrated that integration between structured questionnaire and free text processing captures nuances difficult to identify in one-dimensional systems, such as distinguishing recreational interest from professional aspirations. Results highlight the importance of considering youth communication specificities in developing educational tools, contributing to democratizing access to personalized vocational guidance.