Ensino de Requisitos para Sistemas de IA Responsável: Estratégias Educacionais para Sistemas Inteligentes
Resumo
A Engenharia de Requisitos para sistemas baseados em Inteligência Artificial (RE4AI) envolve a compreensão de conceitos que vão além dos requisitos tradicionais. Os estudantes devem considerar fatores como qualidade dos dados, comportamento do modelo, explicabilidade, confiança e controle do usuário. No entanto, o ensino de RE4AI na formação em Engenharia de Software ainda é pouco explorado, tornando desafiador para os estudantes relacionarem conceitos específicos de IA às tarefas de elicitação e especificação de requisitos. Este artigo apresenta uma trajetória integrada de pesquisa voltada a investigar estratégias educacionais para o ensino de RE4AI. A pesquisa baseou-se no framework RE4HCAI, envolvendo a adaptação de suas diretrizes em materiais educacionais, cenários de sistemas e um checklist para implementação em sala de aula. Esses materiais foram avaliados em estudos com estudantes, indicando potencial para apoiar a compreensão de requisitos centrados no ser humano em sistemas baseados em IA, mas também revelando dificuldades com diretrizes mais técnicas e abstratas. A partir desses resultados, a pesquisa avançou para uma abordagem educacional estruturada, incorporando User Stories como artefatos para apoiar a especificação de requisitos alinhados às diretrizes do framework RE4HCAI. Por fim, a pesquisa contribuiu com um estudo focado na diretriz Model Needs, utilizando Realidade Aumentada para apoiar a compreensão de conceitos relacionados ao comportamento dos modelos. De modo geral, os resultados sugerem que o ensino de RE4AI pode se beneficiar de diretrizes estruturadas, materiais educacionais adaptados, atividades práticas de especificação e recursos interativos que auxiliem os estudantes a transformar preocupações relacionadas à IA em requisitos concretos.
Referências
Khlood Ahmad, Mohamed Abdelrazek, Chetan Arora, Muneera Bano, and John Grundy. 2023. Requirements practices and gaps when engineering humancentered Artificial Intelligence systems. Applied Soft Computing 143 (2023), 110421.
Khlood Ahmad, Mohamed Abdelrazek, Chetan Arora, John Grundy, and Muneera Bano. 2023. Requirements Elicitation and Modelling of Artificial Intelligence Systems: An Empirical Study. In Proceedings of the 18th International Conference on Evaluation of Novel Approaches to Software Engineering - ENASE. INSTICC, SciTePress, 126–137. DOI: 10.5220/0011842300003464
Maria Teresa Baldassarre, Domenico Gigante, Marcos Kalinowski, and Azzurra Ragone. 2024. POLARIS: A framework to guide the development of Trustworthy AI systems. In Proceedings of the IEEE/ACM 3rd International Conference on AI Engineering-Software Engineering for AI. 200–210.
Beatriz Braga Batista, Márcia Sampaio Lima, and Tayana Uchôa Conte. 2024. Teaching Requirements Engineering for AI: A Goal-Oriented Approach in Software Engineering Courses. In Proceedings of the XXIII Brazilian Symposium on Software Quality. 613–623.
Giovanna Bonilha, Bruna Santos, Ayumi Aoki Santana, Bianca Trinkenreich, Fabiann Matthaus Barbosa, and Tayana Conte. 2026. An Empirical Study on the Use of Augmented Reality to Support the Teaching of Model Needs in Requirements Engineering for AI Systems. In Simpósio Brasileiro de Engenharia de Software (SBES). SBC.
Marian Daun, AliciaMGrubb, Viktoria Stenkova, and Bastian Tenbergen. 2023. A systematic literature reviewof requirements engineering education. Requirements Engineering 28, 2 (2023), 145–175.
Maria Alice de Souza Macedo, Carla Bezerra, and Emanuel Coutinho. 2024. Uma Pesquisa Qualitativa do Contexto de Ensino em Requisitos de Software no Brasil. In Workshop sobre Educação em Computação (WEI). SBC, 669–679.
Umm-e Habiba, Markus Haug, Justus Bogner, and Stefan Wagner. 2024. How mature is requirements engineering for AI-based systems? A systematic mapping study on practices, challenges, and future research directions. Requirements Engineering 29, 4 (2024), 567–600.
Silverio Martínez-Fernández, Justus Bogner, Xavier Franch, Marc Oriol, Julien Siebert, Adam Trendowicz, Anna Maria Vollmer, and Stefan Wagner. 2022. Software engineering for AI-based systems: a survey. ACM Transactions on Software Engineering and Methodology (TOSEM) 31, 2 (2022), 1–59.
Mariana Crisostomo Martins, Lívia Mancine C Campos, João Lucas R Soares, Taciana Novo Kudo, and Renato F Bulcão-Neto. 2025. Requirements engineering for machine learning-based ai systems: A tertiary study. Journal of Software Engineering Research and Development 13, 2 (2025), 13–129.
Bruna Santos, Márcia Lima, Ana Oran, and Tayana Conte. 2026. Teaching Requirements Engineering for AI-Based Systems: A Structured Educational Approach. In Proceedings of the 38th IEEE International Conference on Software Engineering Education and Training (CSEE&T). IEEE.
Bruna Santos, Márcia Lima, Márcio Ribeiro, and Tayana Conte. 2025. Teaching Requirements Engineering for Human-Centered AI: A Classroom Experience with the RE4HCAI Framework. In Anais do XXIV Simpósio Brasileiro de Qualidade de Software (SBQS). Sociedade Brasileira de Computação, São José dos Campos, SP, Brazil, 540–550. DOI: 10.5753/sbqs.2025.15264
Hugo Villamizar, Marcos Kalinowski, et al. 2022. A catalogue of concerns for specifying machine learning-enabled systems. arXiv preprint arXiv:2204.07662 (2022).
Claes Wohlin, Per Runeson, Martin Höst, Magnus C Ohlsson, Björn Regnell, Anders Wesslén, et al. 2012. Experimentation in software engineering. Vol. 236. Springer.
