SISTEMA DE RECOMENDAÇÃO “ARENA DO SABER”: INTEGRAÇÃO DE MODELAGEM UML, PROCESSOS DE KDD e INTELIGÊNCIA ARTIFICIAL PARA A PERSONALIZAÇÃO PROATIVA DA APRENDIZAGEM

Autores

DOI:

https://doi.org/10.5902/2675995096939

Palavras-chave:

Sistema de Recomendação, Modelagem UML, Processos de KDD

Resumo

Este artigo descreve o desenvolvimento e a arquitetura técnica do Sistema de Recomendação (SR) da plataforma educacional Arena do Saber. O problema central reside na ineficácia de recomendações genéricas e na opacidade algorítmica "caixa-preta", que falham em engajar o estudante por não explicitar a base pedagógica das sugestões. A solução proposta é um motor proativo de "zero query", que integra processos de Descoberta de Conhecimento em Bases de Dados (KDD) e Inteligência Artificial (IA) para realizar cálculos não lineares em tempo real sobre o desempenho discente. Como pilar de sustentação e qualidade técnica, o projeto utiliza a Linguagem de Modelagem Unificada (UML) para simplificar conceitos complexos em estruturas claras, garantindo uma documentação padronizada e auditável através de diagramas de classe, atividades, sequência e estado. Na etapa de pré-processamento KDD, o sistema calcula indicadores técnicos fundamentais, como o Nível de Dificuldade do Questionário (NDQQ) e o Nível de Dificuldade de Acertos (NDAQ). A lógica de 8 passos permite ao motor identificar lacunas de conhecimento de forma autônoma e sugerir trajetórias personalizadas, ao mesmo tempo em que mitiga o efeito "caixa-preta" ao expor os critérios de decisão através do componente “Analise Passos Grid”. Resultados preliminares indicam que essa transparência fortalece o vínculo de confiança do usuário e otimiza a gestão pedagógica, permitindo uma auditoria contínua e a curadoria de conteúdos sob demanda.

Downloads

Não há dados estatísticos.

Biografia do Autor

Marcos Antonio Gomes Xavier, Universidade Federal do Rio de Janeiro

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. Mestrado Profissional em Novas Tecnologias Digitais na Educação pelo Centro Universitário Carioca (UNICARIOCA). Especialização: em Docência para a Educação Profissional e Tecnológica, pelo Instituto Federal de Educação, Ciência e Tecnologia do Rio de Janeiro (IFRJ); em Gestão Pública Municipal; em Gestão em Administração Pública; em Planejamento, Implementação e Gestão em EaD, pela Universidade Federal Fluminense (UFF); em Tecnologias, Formação de Professores e Sociedade; em Design Instrucional para EAD Virtual, pela Universidade Federal de Itajubá (UNIFEI). Graduação em Sistemas de Informação, pela Faculdade de Informática Lemos de Castro (FILC). Sócio Fundador e CEO da 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.

Referências

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

Publicado

2026-08-31

Edição

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

Seção

Dossiê - Inteligência Artificial na Educação

Licença

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.