Design e desenvolvimento de um assistente conversacional baseado em inteligência artificial para ensino de inglês com feedback explicativo

Abstract

Este trabalho apresenta o design, a implementação e a avaliação de um protótipo de assistente conversacional baseado em Modelos de Linguagem de Grande Escala (LLMs) para o ensino de inglês a estudantes autodidatas da área de tecnologia, com ênfase no feedback explicativo, em contraposição ao feedback corretivo binário predominante em aplicativos comerciais de estudo de idiomas. Fundamentado na Zona de Desenvolvimento Proximal, no scaffolding e em modelos de feedback, o comportamento do assistente foi especificado por Engenharia de Prompt em nove regras que impedem a entrega da resposta corrigida, exigem a explicação do princípio linguístico violado, distinguem impaciência de confusão genuína e estabelecem um piso de redução de dicas. O protótipo foi implementado em três camadas, com interface web, backend em Node.js e consumo de uma API comercial de LLM de forma agnóstica de provedor. A avaliação empregou onze casos, executados três vezes cada e pontuados de 0 a 2 em identificação do erro, validade pedagógica da explicação e não entrega da resposta direta. A frase corrigida não foi entregue em nenhuma resposta, inclusive sob sete turnos de insistência, embora três execuções tenham revelado parte da forma corrigida, e as médias foram de 1,8 em identificação do erro e de 1,7 em validade pedagógica.