Um estudo da transferência de aprendizado empregando modelos de aprendizado profundo: aplicação de LLMs (Large Language Models) no contexto educacional

Resumo

Este estudo demonstrou a viabilidade de utilizar LLMs em conjunto com técnicas de prompt engineering para interpretar a intenção de alunos e automatizar a montagem de grades curriculares. O método se mostrou eficaz em cenários mais diretos, com a abordagem Few-Shot alcançando maior sucesso na extração de dados do que a Chain-of-Thought. No entanto, as dificuldades em interpretar contextos mais complexos, como negações e detalhes de horários, indicam que a precisão da ferramenta ainda pode ser melhorada. A integração do LLM com a técnica Few-Shot demonstrou uma boa taxa de sucesso quando combinada a flexibilidade da linguagem natural com a precisão de um sistema baseado em regras. Pesquisas futuras poderiam focar no desenvolvimento de prompts mais robustos, além de uma reavaliação da viabilidade de fine-tuning com um conjunto de dados mais diversificado.