Agentes Inteligentes Determinísticos versus Agentes Baseados em LLMs para Ambientes Interativos de Aprendizagem em Lógica Proposicional

Descrição

O avanço da Inteligência Artificial Generativa (IAG) tem impulsionado o desenvolvimento de ambientes interativos de aprendizagem baseados em Grandes Modelos de Linguagem (do inglês, Large Language Models, LLMs), capazes de interagir com estudantes em linguagem natural e oferecer suporte personalizado e contextualizado. No domínio da Lógica aplicada à Computação, esse potencial permanece amplamente inexplorado: as ferramentas disponíveis oferecem automação limitada e pouca capacidade de diálogo adaptativo, deixando os estudantes sem apoio adequado nas etapas mais cognitivamente exigentes do processo de aprendizagem, como a compreensão de argumentos e a construção de provas lógicas. Este projeto tem como objetivo geral desenvolver e avaliar um agente automático baseado em regras de inferência e equivalências, com enfoque determinístico, bem como desenvolver agentes baseados em LLMs (probabilísticos), comparando-os em seus desempenhos nas tarefas de resolução de problemas, avaliação de solução e provimento de recomendações de feedbacks personalizados. Com isso, busca-se solução para compor um ambiente interativo de aprendizagem, para apoiar estudantes na verificação de validade de argumentos em lógica proposicional, particularmente envolvendo as tarefas de resolução de problema, avaliação de solução e provimento de recomendações de feedbacks personalizados. O projeto contempla ainda o desenvolvimento de um gerador automático de questões contextualizadas para enriquecer o ambiente com exercícios diversificados. A princípio, serão desenvolvidos agentes baseados em LLMs, incluindo ChatGPT (OpenAI), Gemini (Google), Claude (Anthropic), DeepSeek e Qwen, permitindo uma avaliação comparativa de seu desempenho em tarefas de raciocínio lógico. A metodologia inclui estudo, prototipagem e avaliação experimental dos módulos desenvolvidos com estudantes de disciplinas de lógica. Como resultados esperados, o projeto produzirá um ambiente funcional de apoio ao ensino de lógica, protótipos dos módulos de software descritos, e evidências empíricas sobre a eficácia de LLMs em tarefas de raciocínio formal. Espera-se que o ambiente contribua para aumentar o engajamento e o desempenho dos estudantes em tópicos centrais de lógica aplicada à Computação, além de gerar subsídios para pesquisas futuras na intersecção entre IAG e Educação em Computação.