"ARENA DO SABER" RECOMMENDATION SYSTEM: INTEGRATION OF UML MODELING, KDD PROCESSES, AND ARTIFICIAL INTELLIGENCE FOR THE PROACTIVE PERSONALIZATION OF LEARNING

Authors

DOI:

https://doi.org/10.5902/2675995096939

Keywords:

Recommendation System, UML Modeling, KDD Processes

Abstract

This article describes the development and technical architecture of the Recommendation System (RS) of the Arena do Saber educational platform. The central problem lies in the ineffectiveness of generic recommendations and algorithmic opacity ("black box"), which fail to engage students by not clarifying the pedagogical basis of the suggestions. The proposed solution is a proactive "zero query" engine that integrates Knowledge Discovery in Databases (KDD) processes and Artificial Intelligence to perform real-time non-linear calculations on student performance. As a pillar of technical support and quality, the project employs the Unified Modeling Language (UML) to simplify complex concepts into clear structures, ensuring standardized and auditable documentation through class, activity, sequence, and state diagrams. In the pre-processing stage (KDD), the system calculates fundamental technical indicators, such as the Questionnaire Difficulty Level (NDQQ) and the Difficulty Level of Correct Answers (NDAQ). The 8-step logic allows the engine to autonomously identify knowledge gaps and suggest personalized paths while mitigating the "black box" effect by exposing decision criteria through the Analise Passos Grid component. Preliminary results indicate that this transparency strengthens user trust and optimizes pedagogical management, enabling continuous auditing and on-demand content curation.

Downloads

Download data is not yet available.

Author Biographies

Marcos Antonio Gomes Xavier, Universidade Federal do Rio de Janeiro

PhD candidate in the PPGI - UFRJ (Postgraduate Program in Informatics at the Federal University of Rio de Janeiro) in the research area of ​​Complex Systems Management. Professional Master's degree in New Digital Technologies in Education from the Carioca University Center (UNICARIOCA). Specializations: in Teaching for Professional and Technological Education, from the Federal Institute of Education, Science and Technology of Rio de Janeiro (IFRJ); in Municipal Public Management; in Public Administration Management; in Planning, Implementation and Management in Distance Education, from the Federal Fluminense University (UFF); in Technologies, Teacher Training and Society; in Instructional Design for Virtual Distance Education, from the Federal University of Itajubá (UNIFEI). Bachelor's degree in Information Systems, from the Lemos de Castro Informatics Faculty (FILC). Founding Partner and CEO of Ita House Informática Ltda.

Bruno Lopes Xavier, Universidade Federal do Rio de Janeiro

Graduado em Sistemas de Informação pela UNESA (2014) e em Sistemas de Computação pela UFF (2012). Pós-graduado em Arquitetura e Engenharia de Software pela UNESA (2016), na temática de "Desenvolvimento Ágil de Jogos Digitais" e em Administração Pública Municipal pela UFF (2020), na temática de "Gamificação de Normas Regulamentadoras do Trabalho". Mestre em Sistemas de Informação, na temática de "Modelagem de Negócio para Estúdios Independentes em Ecossistemas de Software de Jogos Digitais" pela UNIRIO (2020). Doutorando do PPGI - UFRJ (Programa de Pós-graduação em Informática da Universidade Federal do Rio de Janeiro) em linha de pesquisa de Gestão em Sistemas Complexos. Profissional com experiência no setor público: concursado especialista em TI na Marinha do Brasil e Prefeitura da Cidade do Rio de Janeiro. No setor privados: colaborador da Ita House Informática, atua na prestação de serviços e com editais de fomento (FAPERJ, MinC, entre outros). Atualmente colaborador no Instituto SENAI de Inovação em Sistemas Virtuais de Produção (ISI SVP), atua no planejamento e execução de projetos de PDI em temáticas como Realidade Virtual, Realidade Aumentada e Jogos Digitais, aplicadas aos diversos contextos da indústria do Estado do RJ.

Sílvia Lima Gonçalves Araújo, Universidade do Minho (Portugal)

Sílvia Lima Gonçalves Araújo é doutora em Ciências da Linguagem, com diploma conjunto da Universidade do Minho e da Université Paris Diderot (Paris 7). É Professora Associada do Departamento de Estudos Românicos da Universidade do Minho.

Marcio Sacramento de Oliveira, Fundação Oswaldo Cruz

Graduado em Ciências Biológicas pela Universidade do Grande Rio (2000), concluiu Mestrado em Biologia Parasitária em 2004 e Doutorado em Saúde Pública e Meio Ambiente em 2011, ambos pela Fundação Oswaldo Cruz - Fiocruz. Atualmente, desempenha suas atividades como Coordenador do Programa de Pós-Graduação em Informação e Comunicação em Saúde (PPGICS) do Instituto de Comunicação e Informação Científica e Tecnológica em Saúde - ICICT/Fiocruz. Adicionalmente, é Pesquisador Titular no Laboratório de Informação Científica e Tecnológica em Saúde (LICTS) e docente permanente no Mestrado em Educação Profissional em Saúde (PPGEPS) da Escola Politécnica de Saúde Joaquim Venâncio - EPSJV/Fiocruz. É membro do Comitê de Ética em Pesquisa Escola Politécnica de Saúde Joaquim Venâncio (CEP EPSJV) e da Comissão de Epidemiologia da ABRASCO. Tem experiência nas áreas de Educação e Saúde Coletiva, com ênfase em Saúde Pública e Meio Ambiente, atuando principalmente nos temas: Educação Profissional em Saúde, Vigilância em Saúde, Saúde Ambiental, Informação em Saúde e Gestão do Conhecimento e Prospectiva Técnico-Científica em Saúde e Ambiente.

Paulo Victor Rodrigues de Carvalho, Universidade Federal do Rio de Janeiro

Paulo Victor Rodrigues de Carvalho é pesquisador do Instituto de Engenharia Nuclear da Comissão Nacional de Energia Nuclear e membro do grupo de pesquisas ResiliSUS do Centro de Estudos Estratégicos da FIOCRUZ/RJ. Atua como professor nos programas de Pós-Graduação em Informática (PPGI/UFRJ) da Universidade Federal do Rio de Janeiro, de Ciência e Tecnologia Nuclear do Instituto de Engenharia Nuclear (PPGIEN) e do Mestrado profissional em Novas Tecnologias na Educação do Centro Universitário Carioca. É bolsista de Produtividade em Pesquisa 1-D do CNPq e Cientista do Nosso Estado pela FAPERJ. Possui graduação em Engenharia Eletrônica pela UFRJ, mestrado em Engenharia Elétrica e doutorado em Engenharia de Produção pela COPPE/UFRJ com foco em Ergonomia. Tem interesse em pesquisas sobre engenharia de resiliência, ergonomia, engenharia cognitiva em temas como modelagem e segurança de sistemas complexos, tecnologia de informação e comunicação, projeto de interfaces humano-sistema. Aplica as pesquisas em diversos domínios, tais como, sistemas de saúde, indústria, gestão de emergências e desastres, tendo escrito mais de 100 artigos em periódicos, publicado capítulos de livro e em anais de congressos. É co-lider do grupo técnico de Engenharia de Resiliência da International Ergonomics Association, membro do corpo editorial do periódico Theoretical Issues in Ergonomic Science, consultor de agências de fomento CAPES, CNPq, FAPERJ e membro do Comitê de Avaliação da Área Interdisciplinar da CAPES/MEC.

References

ALVAREZ, Edgar Bisset et al. Os Sistemas de Recomendação, Arquitetura da Informação e a Encontrabilidade da Informação. TransInformação, Campinas, v. 28, n. 3, p. 275-286, set./dez. 2016. DOI: http://dx.doi.org/10.1590/2318-08892016000300003

ARENA DO SABER. Site. Disponível em: https://arenadosaber.com.br/. Acesso em: mai. 2026.

BERNHARDT, Gustavo Henrique et al. A utilização da linguagem de modelagem unificada (UML) na engenharia de software: uma avaliação da adoção e relevância. Anais do 21º Encontro Científico Cultural Interinstitucional, Cascavel: Centro Universitário FAG, 2023. ISSN 1980-7406. Disponível em: https://www4.fag.edu.br/anais-2023/Anais-2023-48.pdf Acesso em: mai. 2026.

CONTRERAS, Bruno de Santana Braga; DIGIAMPIETRI, Luciano Antonio. Avanços nos sistemas de recomendação de artigos científicos: Uma revisão sistemática da literatura. Revista Brasileira de Computação Aplicada, Passo Fundo, v. 17, n. 2, p. 78-86, ago. 2025. DOI: https://doi.org/10.5335/rbca.v17i2.16376.

CORREIA, Raissa C. Revisão de técnicas de Ciência de Dados para Sistemas de Recomendação. Campinas: UNICAMP, 2019. (Relatório Técnico - IC-PFG-19-40). Disponível em: https://ic.unicamp.br/~reltech/PFG/2019/PFG-19-40.pdf Acesso em: mai. 2026.

CORTIANA NETO, Raul Antonio et al. Supporting collaborative modelling in UML class diagrams. Revista Brasileira de Computação Aplicada, [S. l.], v. 11, n. 3, p. 39–46, 2019. DOI: 10.5335/rbca.v11i3.8469. Disponível em: https://ojs.upf.br/index.php/rbca/article/view/8469. Acesso em: 23 maio. 2026.

DRACHSLER, H. et al. Panorama of Recommender Systems to Support Learning. In: RICCI, F.; ROKACH, L.; SHAPIRA, B. (eds.). Recommender Systems Handbook. 2. ed. Boston, MA: Springer, 2015. p. 421-451. DOI: 10.1007/978-1-4899-7637-6_12

IFSULDEMINAS. O uso da UML no design de sistemas orientados a objetos e ferramentas de modelagem. JOSIF, [s. l.], 2026. Disponível em: https://josif.ifsuldeminas.edu.br/ojs/index.php/anais/article/view/2790/2492 Acesso em: mai. 2026.

OLIVEIRA, Danielle Sales de. Sistema de recomendação baseado em filtragem colaborativa em uma base de dados de feedback implícito. 2019. Trabalho de Graduação (Bacharelado em Ciência da Computação) – Centro de Informática, Universidade Federal de Pernambuco, Recife, 2019. Disponível em: https://www.cin.ufpe.br/~tg/2019-1/propostas_CC/prop_dso.pdf Acesso em: mai. 2026.

RICCI, F.; ROKACH, L.; SHAPIRA, B. (eds.). Recommender Systems Handbook. New York: Springer, 2011. DOI: 10.1007/978-0-387-85820-3_1 Disponível em: https://www.cs.ubbcluj.ro/~gabis/DocDiplome/SistemeDeRecomandare/Recommender_systems_handbook.pdf Acesso em : jul.2026.

SANTOS, Pedro Henrique Do Amaral; BORGES, João Henrique Gião; FLORIAN, Fabiana. Estudo da integração de Inteligência Artificial (IA) em Sistemas de Recomendação (SR): revisão bibliográfica. RevistaFT, [s. l.], v. 29, n. 140, nov. 2024. DOI: 10.69849/revistaft/fa10202411101906 Disponível em: https://revistaft.com.br/estudo-da-integracao-de-inteligencia-artificial-ia-em-sistemas-de-recomendacao-sr-revisao-bibliografica/ Acesso em: mai. 2026.

SIQUEIRA, Déborados Santos e; PAULON, Matheus Montanha; GUEDES, Gilleanes Thorwald Araujo. Técnicas de Inspeção para Diagramas de Classes UML: Uma Revisão Sistemática. In: ESCOLA REGIONAL DE ENGENHARIA DE SOFTWARE (ERES), 3. , 2019, Rio do Sul. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2019 . p. 41-48. Disponível em: https://sol.sbc.org.br/index.php/eres/article/view/8494/8395 Acesso em: mai. 2026

SILVA, Rafael Glauber Nascimento e. Sistema de Recomendação baseado em conteúdo textual: avaliação e comparação. 2014. 122 f. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal da Bahia / Universidade Estadual de Feira de Santana, Salvador, 2014. Disponível em: https://repositorio.ufba.br/bitstream/ri/19281/1/dissertacao_mestrado_ciencia_computacao_rafael_glauber.pdf Acesso em: mai. 2026.

STEINER, M. T. A. et al. Abordagem de um problema médico por meio do processo de KDD com ênfase à análise exploratória dos dados. Gestão & Produção, [s. l.], v. 13, n. 2, p. 325–337, 2006. DOI: https://doi.org/10.1590/S0104-530X2006000200013

Downloads

Published

2026-08-31

Issue

ReTER – v. 7, n. 1, 2026 – Publicação Contínua

Section

Dossiê - Inteligência Artificial na Educação

License

Autores que publicam nesta revista concordam com os seguintes termos:

  • Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
  • Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
  • Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado, com reconhecimento de autoria e publicação inicial nesta revista.