Gabriel de Sapienza Luna é o novo mestre em Engenharia de Sistemas e Computação, orientado pelo professor Geraldo Xexéo

Informações:

Título

Integrando o Ensino Socrático com LLMS: Um Framework Multi-Agente para Inovação no Ensino de Programação

Data da defesa

25/8/2025

Resumo

Esta dissertação apresenta um framework educacional que combina Grandes Mo delos de Linguagem (LLMs) com o método socrático, buscando potencializar o ensino de programação por meio de diálogos mediados por Inteligência Artificial (IA). O objetivo central foi explorar a capacidade de LLMs compactos de internalizar e reproduzir uma abordagem pedagógica socrática eficaz e reflexiva. Para isso, foi realizada a geração de um dataset sintético com cerca de mil pares de interação aluno-professor, utilizados no processo de ajuste fino supervisionado (SFT) e na otimização direta por preferência (DPO) dos modelos LLaMA 3 e Qwen, empregando a técnica LoRA com rank fixo igual a 16. Adicionalmente, foi adotada uma estratégia criteriosa de engenharia de prompt, visando maximizar a clareza e a eficácia pedagógica das respostas geradas. A avaliação das respostas produzidas pelos modelos foi conduzida automaticamente com o auxílio do GPT-4o, considerando critérios como qualidade pedagógica, clareza e fidelidade ao método socrático. Os resultados indicaram que o método híbrido de SFT seguido de DPO proporcionou melhorias significativas no alinhamento pedagógico e na eficácia das respostas, com destaque especial ao modelo LLaMA 3.2-3B, que demonstrou excelente desempenho socrático tanto no treinamento quanto em uma validação externa com questões inéditas. Como trabalho futuro, sugere-se investigar a influência da variação dos ranks LoRA sobre a performance dos modelos, bem como avaliar a eficiência da quantização (QLoRA) quanto ao tempo de treinamento e qualidade pedagógica das respostas, visando a otimização adicional do processo educacional mediado por LLMs.