Aplicação prática da arquitetura RAG no desenvolvimento de interfaces educacionais com IA

Daniel Souza Coelho; Nelson Nascimento Junior; Alice Silva Marinho Gomes

doi:10.47734/regrasp.v10.04.p69-74

Daniel Souza Coelho IFSP – Campus Cubatão https://orcid.org/0009-0004-2849-8311
Nelson Nascimento Junior IFSP – Campus Cubatão https://orcid.org/0000-0002-5853-0528
Alice Silva Marinho Gomes IFSP – Campus Cubatão https://orcid.org/0009-0008-3439-8180

DOI: https://doi.org/10.47734/regrasp.v10.04.p69-74

Palavras-chave: inteligência artificial, geração aumentada de recuperação (RAG), modelos de linguagem (LLMs)

Resumo

Este trabalho apresenta o desenvolvimento de uma interface web educacional interativa com o uso de Inteligência Artificial Generativa (IAG) aplicada à construção de soluções inovadoras para o Ensino Médio Integrado ao Técnico. A proposta visa apoiar docentes no planejamento pedagógico e na criação de atividades interdisciplinares por meio de uma plataforma que integra recursos de IAG no fluxo de desenvolvimento web. O sistema foi implementado com uso de HTML, CSS, JavaScript e integração com APIs externas, utilizando técnicas como engenharia de prompt e renderização automática de componentes com apoio de modelos de linguagem. A arquitetura web modular permite o acoplamento de funcionalidades educacionais, sendo o principal exemplo a aplicação da arquitetura RAG (Retrieval-Augmented Generation) para consultas em linguagem natural ao Projeto Pedagógico do Curso (PPC). Essa aplicação busca identificar conexões entre disciplinas e apoiar projetos interdisciplinares de forma prática e automatizada. O protótipo foi publicado em ambiente online e demonstrou viabilidade técnica, clareza de interface e flexibilidade de integração com serviços baseados em IA. A pesquisa destaca como o uso de IA no desenvolvimento web educacional pode promover personalização, acessibilidade e inovação nas práticas pedagógicas contemporâneas.

Biografia do Autor

Daniel Souza Coelho, IFSP – Campus Cubatão

Estudante do Ensino Médio Integrado ao Técnico em Informática

Nelson Nascimento Junior, IFSP – Campus Cubatão

Doutor em Ciência da Computação pela UFABC (Universidade Federal do ABC), Mestre em Engenharia da Informação pela UFABC (Universidade Federal do ABC), Pós-Graduado (Latu Sensu) em Ciência e Tecnologia pela Universidade Federal do ABC (UFABC), Pós-Graduado (Latu Sensu) em Engenharia da Computação pela UFU (Universidade Federal de Uberlândia) e Bacharel em Ciências da Computação pela UNISANTA (Universidade Santa Cecília). Professor do IFSP (Instituto Federal de Educação, Ciência e Tecnologia de São Paulo). Professor por 8 anos da FATEC (Faculdade de Tecnologia do Centro Paula Souza), atualmente pesquiso o uso das TICs no processo de ensino e aprendizagem com especial interesse em Inteligência Artificial, Visão Computacional e Jogos Educacionais Digitais (JED).

Alice Silva Marinho Gomes, IFSP – Campus Cubatão

Estudante do Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas.

Referências

Brown, T. B. (2020). Language models are few-shot learners. arXiv. https://arxiv.org/abs/2005.14165.

Gao, Y., et al. (2023). Retrieval-augmented generation for large language models: A survey. arXiv. https://arxiv.org/abs/2312.10997.

Kaluarachchi, T., & Wickramasinghe, M. (2023). A systematic literature review on automatic website generation. Journal of Computer Languages, 75, 101202. https://doi.org/10.1016/j.cola.2023.101202

Kocaballi, B. (s.d.). Conversational AI-powered design: ChatGPT as designer, user and product. University of Technology Sydney.

Lewis, P., et al. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. In Advances in Neural Information Processing Systems (NeurIPS 2020).

Norman, D. A. (2013). The design of everyday things (Rev. ed.). MIT Press.

OpenAI, et al. (2023). GPT-4 technical report. arXiv. https://arxiv.org/abs/2303.08774

Rodriguez, D. V., et al. (2024). Leveraging generative AI tools to support the development of digital solutions in health care research: Case study. JMIR Human Factors, 11(1), e52885. https://doi.org/10.2196/52885

Shumakova, N. I., Lloyd, J. J., & Titova, E. V. (2023). Towards legal regulations of generative AI in the creative industry. Journal of Digital Technologies and Law, 1(4), 880–908.

Velásquez-Henao, J. D., Franco-Cardona, C. J., & Cadavid-Higuita, L. (2023). Prompt engineering: A methodology for optimizing interactions with AI-language models in the field of engineering. Revista DYNA, 90(230), 9–17. https://doi.org/10.15446/dyna.v90n230.111700.