Lusi: um chatbot baseado em Modelos de Linguagem para auxiliar nos atendimentos ao público em departamentos acadêmicos

• Alesandro da Silva Santos UFF
• Breno Santana Santos UFF
• Raphael Pereira de Oliveira UFF
• Marianne Silva UFAL

DOI: https://doi.org/10.5753/sbsc_estendido.2025.8691

Resumo

Departamentos acadêmicos lidam com demandas complexas — a exemplo de dúvidas sobre matrículas e disciplinas —, mas chatbots tradicionais, baseados em regras, falham ao oferecer respostas contextualizadas, gerando frustração e custos operacionais elevados. Desse modo, este estudo propõe o Lusi 2.0, um chatbot baseado em Large Language Models (LLMs) e Retrieval-Augmented Generation (RAG), o qual recupera informações semânticas de Projetos Pedagógicos de Cursos (PPCs) e gera respostas precisas e contextualizadas, reduzindo a necessidade de intervenção manual. Adicionalmente, um experimento controlado comparará sua eficácia com um chatbot baseado em regras, envolvendo, pelo menos, 30 alunos de um departamento universitário. Logo, os resultados permitirão validar sua capacidade de humanizar serviços públicos, substituindo burocracia por diálogos empáticos, além de contribuir para aplicações práticas de LLMs em contextos educacionais.

Referências

Alto, V. (2024). Building LLM Powered Applications: Create intelligent apps and agents with large language models. Packt Publishing Ltd.

Lieb, A. and Goel, T. (2024). Student interaction with newtbot: An llm-as-tutor chatbot for secondary physics education. In Extended Abstracts of the CHI Conference on Human Factors in Computing Systems, New York, NY, USA. Association for Computing Machinery.

Medeiros, T., Medeiros, M., Azevedo, M., Silva, M., Silva, I., and Costa, D. G. (2023a). Analysis of language-model-powered chatbots for query resolution in pdf-based automotive manuals. Vehicles, 5(4):1384–1399.

Medeiros, T., Medeiros, M., Azevedo, M., Wanderley, E., Silva, M., and Silva, I. (2023b). Análise de chatbots habilitados por modelos de linguagem para resolução de consultas em manuais automotivos no formato pdf. In XVI Simpósio Brasileiro de Automação Inteligente (SBAI 2023), Manaus, Amazonas, Brasil. Sociedade Brasileira de Automática.

Raschka, S. (2024). Build a Large Language Model (From Scratch). Manning Publications Co.

Richards, T. (2023). Streamlit for Data Science: Create interactive data apps in Python. Packt Publishing, 2ª edition.

Santos, B. S., Colaço Júnior, M., and Souza, J. G. d. (2018a). An experimental evaluation of the neuromessenger: A collaborative tool to improve the empathy of text interactions. In 2018 IEEE Symposium on Computers and Communications (ISCC), pages 00573–00579, Natal. IEEE.

Santos, B. S., Colaço Júnior, M., and Souza, J. G. d. (2018b). A initial experimental evaluation of the neuromessenger: A collaborative tool to improve the empathy of text interactions. In Latifi, S., editor, Information Technology - New Generations, pages 411–419, Cham. Springer International Publishing.

Singh, J., Joesph, M. H., and Jabbar, K. B. A. (2019). Rule-based chabot for student enquiries. Journal of Physics: Conference Series, 1228(1):012060.

Wohlin, C., Runeson, P., Höst, M., Ohlsson, M. C., Regnell, B., and Wesslén, A. (2024). Experimentation in software engineering. Springer Science & Business Media, 2ª edition.