Dashboards Educacionais Adaptativos: Uma Arquitetura Baseada em Perfilamento e IA para Redução da Carga Cognitiva de Professores
Resumo
Um estudo exploratório com 13 professores de Alagoas revelou um trade-off entre usabilidade e utilidade percebida em dashboards educacionais: a V3 foi preferida por 38% dos participantes, apesar da menor usabilidade (3,2 no SUS) e maior carga de trabalho percebida (5,7 no NASA-TLX). Propõe-se uma arquitetura de dashboard inteligente com quatro camadas, combinando perfilamento, regras estáticas e mecanismos de IA. Um protótipo funcional (V4) com IA simulada foi implementado e avaliado por cenários baseados em per sonas. A proposta visa contextos educacionais com conectividade limitada. As contribuições incluem evidências empíricas do trade-off, uma arquitetura de re ferência e um protótipo funcional.
Palavras-chave:
Dashboards educacionais, Carga cognitiva, Sistemas adaptativos, Large Language Models, Educação básica brasileira
Referências
Ahn, J., Kim, H., and Lee, S. (2021). Preference elicitation in teacher dashboards. British Journal of Educational Technology, 52(3):1123–1141.
Brooke, J. (1996). Sus: A quick and dirty usability scale. Usability Evaluation in Industry, 189(194):4–7.
De Laet, T., Millecamp, M., Ortiz-Rojas, M., Jimenez, A., Maya, R., and Verbert, K. (2020). Adoption and impact of a learning analytics dashboard supporting the advisor—student dialogue in a higher education institute in latin america. British Journal of Educational Technology, 51(4):1002–1018.
Dermeval, D., Paiva, R., Bittencourt, I. I., Vassileva, J., and Borges, D. (2017). Authoring tools for designing intelligent tutoring systems: a systematic review of the literature. International Journal of Artificial Intelligence in Education, 28:336–384.
Ghanbari, H., Tuunanen, T., and Kazan, E. (2025). Free simulation experiments and concept testing in design science research. SSRN Working Paper.
Gomes, C. V. C., Ramos, J. L. C., Silva, J. C. S., and Rodrigues, R. L. (2024). Um dashboard para a percepção dos professores sobre as atividades de estudantes em ambiente virtual de aprendizagem. Anais do SBIE.
Hart, S. G. and Staveland, L. E. (1988). Development of nasa-tlx (task load index): Results of empirical and theoretical research. In Hancock, P. A. and Meshkati, N., editors, Human Mental Workload, volume 52, pages 139–183. North-Holland.
Karademir, O., Di Mitri, D., Schneider, J., Jivet, I., Allmang, J., Gombert, S., Kubsch, M., Neumann, K., and Drachsler, H. (2024). Co-designing requirements for a learning analytics cockpit with teachers. J. Comput. Assist. Learn., 40(6):2681–2699.
Lee-Cultura, S., Sharma, K., and Giannakos, M. N. (2024). Multimodal teacher dashboards: Challenges and opportunities of enhancing teacher insights through a case study. IEEE Transactions on Learning Technologies, 17:181–201.
Lemes, T. d. C., Dias, M. O. d. S., and Oliveira, T. (2023). Análise do uso de dashboard como ferramenta de apoio a tomada de decisão em instituições de ensino: uma revisão sistemática da literatura. RENOTE, 21(1):280–290.
MCTI (2024). Plano brasileiro de inteligência artificial (pbia) 2024-2028. Documento oficial do governo federal.
MEC (2025). Educação Híbrida: Conceito e Orientações Pedagógicas. Maceió. Publicação da Rede de Inovação para Educação Híbrida (RIEH).
Nguyen, N. B. C., Lithander, M., Östlund, C. M., Karunaratne, T., and Jobe, W. (2024). Teadash: Implementing and evaluating a teacher-facing dashboard using design science research. Informatics, 11(3).
Portela, C., Lisbôa, R., Yasojima, K., Cordeiro, T., Silva, A., Dermeval, D., Marques, L., Santos, J., Mello, R., Macário, V., et al. (2023). Aied unplugged applied to public policy for learning recovery in brazil. In AIED 2023, pages 788–796. Springer.
Reid, G. B. and Nygren, T. E. (1988). The subjective workload assessment technique: A scaling procedure for measuring mental workload. Advances in Psychology, 52:185–218.
Rubio, S., Díaz, E., Martín, J., and Puente, J. M. (2004). Evaluation of subjective mental workload: A comparison of swat, nasa-tlx, and workload profile methods. Applied Psychology: An International Review, 53(1):61–86.
Venable, J., Pries-Heje, J., and Baskerville, R. (2016). Feds: a framework for evaluation in design science research. European Journal of Information Systems, 25(1):77–89.
Brooke, J. (1996). Sus: A quick and dirty usability scale. Usability Evaluation in Industry, 189(194):4–7.
De Laet, T., Millecamp, M., Ortiz-Rojas, M., Jimenez, A., Maya, R., and Verbert, K. (2020). Adoption and impact of a learning analytics dashboard supporting the advisor—student dialogue in a higher education institute in latin america. British Journal of Educational Technology, 51(4):1002–1018.
Dermeval, D., Paiva, R., Bittencourt, I. I., Vassileva, J., and Borges, D. (2017). Authoring tools for designing intelligent tutoring systems: a systematic review of the literature. International Journal of Artificial Intelligence in Education, 28:336–384.
Ghanbari, H., Tuunanen, T., and Kazan, E. (2025). Free simulation experiments and concept testing in design science research. SSRN Working Paper.
Gomes, C. V. C., Ramos, J. L. C., Silva, J. C. S., and Rodrigues, R. L. (2024). Um dashboard para a percepção dos professores sobre as atividades de estudantes em ambiente virtual de aprendizagem. Anais do SBIE.
Hart, S. G. and Staveland, L. E. (1988). Development of nasa-tlx (task load index): Results of empirical and theoretical research. In Hancock, P. A. and Meshkati, N., editors, Human Mental Workload, volume 52, pages 139–183. North-Holland.
Karademir, O., Di Mitri, D., Schneider, J., Jivet, I., Allmang, J., Gombert, S., Kubsch, M., Neumann, K., and Drachsler, H. (2024). Co-designing requirements for a learning analytics cockpit with teachers. J. Comput. Assist. Learn., 40(6):2681–2699.
Lee-Cultura, S., Sharma, K., and Giannakos, M. N. (2024). Multimodal teacher dashboards: Challenges and opportunities of enhancing teacher insights through a case study. IEEE Transactions on Learning Technologies, 17:181–201.
Lemes, T. d. C., Dias, M. O. d. S., and Oliveira, T. (2023). Análise do uso de dashboard como ferramenta de apoio a tomada de decisão em instituições de ensino: uma revisão sistemática da literatura. RENOTE, 21(1):280–290.
MCTI (2024). Plano brasileiro de inteligência artificial (pbia) 2024-2028. Documento oficial do governo federal.
MEC (2025). Educação Híbrida: Conceito e Orientações Pedagógicas. Maceió. Publicação da Rede de Inovação para Educação Híbrida (RIEH).
Nguyen, N. B. C., Lithander, M., Östlund, C. M., Karunaratne, T., and Jobe, W. (2024). Teadash: Implementing and evaluating a teacher-facing dashboard using design science research. Informatics, 11(3).
Portela, C., Lisbôa, R., Yasojima, K., Cordeiro, T., Silva, A., Dermeval, D., Marques, L., Santos, J., Mello, R., Macário, V., et al. (2023). Aied unplugged applied to public policy for learning recovery in brazil. In AIED 2023, pages 788–796. Springer.
Reid, G. B. and Nygren, T. E. (1988). The subjective workload assessment technique: A scaling procedure for measuring mental workload. Advances in Psychology, 52:185–218.
Rubio, S., Díaz, E., Martín, J., and Puente, J. M. (2004). Evaluation of subjective mental workload: A comparison of swat, nasa-tlx, and workload profile methods. Applied Psychology: An International Review, 53(1):61–86.
Venable, J., Pries-Heje, J., and Baskerville, R. (2016). Feds: a framework for evaluation in design science research. European Journal of Information Systems, 25(1):77–89.
Publicado
23/09/2026
Como Citar
SILVA, Deivinson Severino da; FABBRO, Christian; OLIVEIRA FILHO, José Oséas de; MATOS, Diego Dermeval Medeiros da Cunha; PAIVA, Ranilson Oscar Araújo.
Dashboards Educacionais Adaptativos: Uma Arquitetura Baseada em Perfilamento e IA para Redução da Carga Cognitiva de Professores. In: ESCOLA REGIONAL DE COMPUTAÇÃO BAHIA, ALAGOAS E SERGIPE (ERBASE), 26. , 2026, Maragogi/AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 735-744.
DOI: https://doi.org/10.5753/erbase.2026.31699.
