Sabiá: Um Chatbot de Inteligência Artificial Generativa para Suporte no Dia a Dia do Ensino Superior
Resumo
Estudantes frequentemente relatam dificuldades no acesso a informações do cotidiano acadêmico, geralmente dispersas em muitos documentos institucionais e websites. Essa fragmentação leva a falta de clareza e confusão sobre informações do dia a dia universitário. Este projeto propõe o desenvolvimento de um chatbot, utilizando Inteligência Artificial Generativa (GenAI) e Geração Aumentada por Recuperação (RAG), para simplificar o acesso a essas informações. Diversos modelos de GenAI foram testados e avaliados com base em métricas de qualidade e com a abordagem LLM-as-a-Judge. Entre eles, destacaram-se o Gemini 2.0 Flash, por sua qualidade e velocidade, e o Gemma 3n, que além de um bom desempenho, tem natureza opensource.
Referências
Adamopoulou, E. and Moussiades, L. (2020). An overview of chatbot technology. In Maglogiannis, I., Iliadis, L., and Pimenidis, E., editors, Artificial Intelligence Applications and Innovations, pages 373–383, Cham. Springer International Publishing.
Badshah, S. and Sajjad, H. (2024). Reference-guided verdict: Llms-as-judges in automatic evaluation of free-form text. arXiv preprint arXiv:2408.09235.
Banerjee, S. and Lavie, A. (2005). Meteor: An automatic metric for mt evaluation with improved correlation with human judgments. In Proceedings of the acl workshop on intrinsic and extrinsic evaluation measures for machine translation and/or summarization, pages 65–72.
Bender, E. M., Gebru, T., McMillan-Major, A., and Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, pages 610–623, New York, NY, USA. Association for Computing Machinery.
Carvalho, C. F. d. and Carvalho, K. R. S. d. A. d. (2018). Chatbot: uma visão geral sobre aplicações inteligentes. Revista Sítio Novo, 2(2):68–84.
Carvalho, S., Filho, R. R., Claudino, C. C., Braz, L., and Maciel, B. I. (2024). Quia: uma ferramenta de suporte ao conhecimento baseada em inteligência artificial. In Anais do XXXV Simpósio Brasileiro de Informática na Educação, pages 1617–1628, Porto Alegre, RS, Brasil. SBC.
Gupta, S., Ranjan, R., and Singh, S. N. (2024). A comprehensive survey of retrieval-augmented generation (rag): Evolution, current landscape and future directions. arXiv preprint arXiv:2410.12837.
Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W., Rocktäschel, T., Riedel, S., and Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. CoRR, abs/2005.11401.
Mendes, L. M. and Sirqueira, T. F. M. (2020). Acolhimento de novos estudantes ao ensino superior utilizando chatbots. Caderno de Estudos em Sistemas de Informação, 7(1).
Naik, K., N, L., H, N. B., D, N., and Gatti, R. (2024). Design of an ai chatbot using generative ai to access local database. International Journal of Scientific Research in Engineering and Management (IJSREM), 8(5).
Neto, A. M., Silva, C., Anjos, W., and Dorça, F. (2020). Uma abordagem baseada em dados abertos conectados e chatbot para disponibilizar o catálogo de cursos da rede federal de educação profissional, científica e tecnológica. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1263–1272, Porto Alegre, RS, Brasil. SBC.
Noviandy, T. R., Maulana, A., Idroes, G. M., Zahriah, Z., Paristiowati, M., Emran, T. B., Ilyas, M., and Idroes, R. (2024). Embrace, don’t avoid: Reimagining higher education with generative artificial intelligence. Journal of Educational Management and Learning, 2(2).
Presidência da República (Brasil) (2002). Decreto nº 9.675, de 3 de outubro de 2002 – dispõe sobre o “dia da ave” e dá outras providências. Decreto. Institui o “Dia da Ave” em 5 de outubro, revoga o Decreto nº 63.234/1968 e fixa o sabiá (*Turdus rufiventris*) como símbolo da fauna brasileira.
Rao, A. B., Aithal, S. G., and Singh, S. (2025). An evaluation metric for assessing summary-level semantic similarity in abstractive text summarization. In 2025 International Conference on Artificial Intelligence and Data Engineering (AIDE), pages 602–607. IEEE.
Reimers, N. and Gurevych, I. (2019). Sentence-bert: Sentence embeddings using siamese bert-networks. arXiv preprint arXiv:1908.10084.
Sarawanangkoor, N., Punyabukkana, P., and Suchato, A. (2024). Metric development for abstractive text summarization evaluation based on lexical and semantic analysis. In 2024 19th International Joint Symposium on Artificial Intelligence and Natural Language Processing (iSAI-NLP), pages 1–6.
Siriwardhana, S., Weerasekera, R., Wen, E., Kaluarachchi, T., Rana, R., and Nanayakkara, S. (2023). Improving the domain adaptation of retrieval augmented generation (rag) models for open domain question answering. Transactions of the Association for Computational Linguistics, 11:1–17.
Badshah, S. and Sajjad, H. (2024). Reference-guided verdict: Llms-as-judges in automatic evaluation of free-form text. arXiv preprint arXiv:2408.09235.
Banerjee, S. and Lavie, A. (2005). Meteor: An automatic metric for mt evaluation with improved correlation with human judgments. In Proceedings of the acl workshop on intrinsic and extrinsic evaluation measures for machine translation and/or summarization, pages 65–72.
Bender, E. M., Gebru, T., McMillan-Major, A., and Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, pages 610–623, New York, NY, USA. Association for Computing Machinery.
Carvalho, C. F. d. and Carvalho, K. R. S. d. A. d. (2018). Chatbot: uma visão geral sobre aplicações inteligentes. Revista Sítio Novo, 2(2):68–84.
Carvalho, S., Filho, R. R., Claudino, C. C., Braz, L., and Maciel, B. I. (2024). Quia: uma ferramenta de suporte ao conhecimento baseada em inteligência artificial. In Anais do XXXV Simpósio Brasileiro de Informática na Educação, pages 1617–1628, Porto Alegre, RS, Brasil. SBC.
Gupta, S., Ranjan, R., and Singh, S. N. (2024). A comprehensive survey of retrieval-augmented generation (rag): Evolution, current landscape and future directions. arXiv preprint arXiv:2410.12837.
Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W., Rocktäschel, T., Riedel, S., and Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. CoRR, abs/2005.11401.
Mendes, L. M. and Sirqueira, T. F. M. (2020). Acolhimento de novos estudantes ao ensino superior utilizando chatbots. Caderno de Estudos em Sistemas de Informação, 7(1).
Naik, K., N, L., H, N. B., D, N., and Gatti, R. (2024). Design of an ai chatbot using generative ai to access local database. International Journal of Scientific Research in Engineering and Management (IJSREM), 8(5).
Neto, A. M., Silva, C., Anjos, W., and Dorça, F. (2020). Uma abordagem baseada em dados abertos conectados e chatbot para disponibilizar o catálogo de cursos da rede federal de educação profissional, científica e tecnológica. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1263–1272, Porto Alegre, RS, Brasil. SBC.
Noviandy, T. R., Maulana, A., Idroes, G. M., Zahriah, Z., Paristiowati, M., Emran, T. B., Ilyas, M., and Idroes, R. (2024). Embrace, don’t avoid: Reimagining higher education with generative artificial intelligence. Journal of Educational Management and Learning, 2(2).
Presidência da República (Brasil) (2002). Decreto nº 9.675, de 3 de outubro de 2002 – dispõe sobre o “dia da ave” e dá outras providências. Decreto. Institui o “Dia da Ave” em 5 de outubro, revoga o Decreto nº 63.234/1968 e fixa o sabiá (*Turdus rufiventris*) como símbolo da fauna brasileira.
Rao, A. B., Aithal, S. G., and Singh, S. (2025). An evaluation metric for assessing summary-level semantic similarity in abstractive text summarization. In 2025 International Conference on Artificial Intelligence and Data Engineering (AIDE), pages 602–607. IEEE.
Reimers, N. and Gurevych, I. (2019). Sentence-bert: Sentence embeddings using siamese bert-networks. arXiv preprint arXiv:1908.10084.
Sarawanangkoor, N., Punyabukkana, P., and Suchato, A. (2024). Metric development for abstractive text summarization evaluation based on lexical and semantic analysis. In 2024 19th International Joint Symposium on Artificial Intelligence and Natural Language Processing (iSAI-NLP), pages 1–6.
Siriwardhana, S., Weerasekera, R., Wen, E., Kaluarachchi, T., Rana, R., and Nanayakkara, S. (2023). Improving the domain adaptation of retrieval augmented generation (rag) models for open domain question answering. Transactions of the Association for Computational Linguistics, 11:1–17.
Publicado
24/11/2025
Como Citar
RODRIGUES, Guilherme Biava; BEAL, Franciele; MARCON, Marlon; SOUZA, Alinne Cristinne Corrêa; ORTONCELLI, André Roberto; SOUZA, Francisco Carlos Monteiro; SILVA, Rodolfo Adamshuk.
Sabiá: Um Chatbot de Inteligência Artificial Generativa para Suporte no Dia a Dia do Ensino Superior. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 36. , 2025, Curitiba/PR.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 1401-1414.
DOI: https://doi.org/10.5753/sbie.2025.12925.
