Saved in:
| Main Author: | |
|---|---|
| Format: | Recurso digital |
| Language: | |
| Published: |
Zenodo
2025
|
| Online Access: | https://doi.org/10.5281/zenodo.18039125 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1866902002098765824 |
|---|---|
| author | Anônimo, Anônimo |
| author_facet | Anônimo, Anônimo |
| contents | <div> <p>Large Language Models (LLMs) são sistemas de inteligência artificial treinados com grandes volumes de dados textuais, capazes de compreender, processar e gerar linguagem natural. Apesar de sua capacidade, essas tecnologias ainda apresentam limitações, especialmente relacionadas às chamadas “alucinações”, nas quais a<br>resposta gerada pode ser imprecisa ou inconsistente com o contexto esperado. Esse problema compromete a confiabilidade das LLMs em aplicações educacionais, pois a assertividade das informações é essencial para o aprendizado. Nesse contexto, destaca-se a técnica de Retrieval-Augmented Generation (RAG), que complementa<br>o conhecimento da LLM com informações provenientes de bases externas, permitindo que o modelo recupere documentos relevantes e adicione-os ao processo de geração de respostas. Dessa forma, busca-se aumentar a acurácia e reduzir o risco de alucinações. O presente trabalho propõe o desenvolvimento do TutorIA, um agente<br>tutor voltado ao apoio no aprendizado de disciplinas de Ciência da Computação, integrando LLMs com a técnica RAG. A metodologia prevê a construção de um repositório de documentos especializados na área, armazenados em um banco de dados vetorial. Quando o usuário realiza uma pergunta, o sistema recupera os documentos mais relevantes por meio de busca por similaridade semântica com o objetivo de adicioná-los ao prompt enviado à LLM, fornecendo contexto adicional para a resposta. Além disso, é utilizada a técnica LLM-as-a-Judge para avaliar a coerência e a adequação das respostas geradas, funcionando como um mecanismo de verificação automática da qualidade. Espera-se que o TutorIA ofereça respostas precisas, contextualizadas e confiáveis, reduzindo a incidência de alucinações e promovendo uma experiência de aprendizado personalizada.</p> </div> |
| format | Recurso digital |
| id | zenodo_https___doi_org_10_5281_zenodo_18039125 |
| institution | Zenodo |
| language | |
| publishDate | 2025 |
| publisher | Zenodo |
| record_format | zenodo |
| spellingShingle | TutorIA, um Agente para ensino de programação apoiada por inteligência artificial - Vídeo de utilização Anônimo, Anônimo <div> <p>Large Language Models (LLMs) são sistemas de inteligência artificial treinados com grandes volumes de dados textuais, capazes de compreender, processar e gerar linguagem natural. Apesar de sua capacidade, essas tecnologias ainda apresentam limitações, especialmente relacionadas às chamadas “alucinações”, nas quais a<br>resposta gerada pode ser imprecisa ou inconsistente com o contexto esperado. Esse problema compromete a confiabilidade das LLMs em aplicações educacionais, pois a assertividade das informações é essencial para o aprendizado. Nesse contexto, destaca-se a técnica de Retrieval-Augmented Generation (RAG), que complementa<br>o conhecimento da LLM com informações provenientes de bases externas, permitindo que o modelo recupere documentos relevantes e adicione-os ao processo de geração de respostas. Dessa forma, busca-se aumentar a acurácia e reduzir o risco de alucinações. O presente trabalho propõe o desenvolvimento do TutorIA, um agente<br>tutor voltado ao apoio no aprendizado de disciplinas de Ciência da Computação, integrando LLMs com a técnica RAG. A metodologia prevê a construção de um repositório de documentos especializados na área, armazenados em um banco de dados vetorial. Quando o usuário realiza uma pergunta, o sistema recupera os documentos mais relevantes por meio de busca por similaridade semântica com o objetivo de adicioná-los ao prompt enviado à LLM, fornecendo contexto adicional para a resposta. Além disso, é utilizada a técnica LLM-as-a-Judge para avaliar a coerência e a adequação das respostas geradas, funcionando como um mecanismo de verificação automática da qualidade. Espera-se que o TutorIA ofereça respostas precisas, contextualizadas e confiáveis, reduzindo a incidência de alucinações e promovendo uma experiência de aprendizado personalizada.</p> </div> |
| title | TutorIA, um Agente para ensino de programação apoiada por inteligência artificial - Vídeo de utilização |
| url | https://doi.org/10.5281/zenodo.18039125 |