EDUPersona: A Multi-Agent Environment for Personalized Guidance through Learning Objects

• Gustavo F. P. da Silva UFBA
• Felipe J. R. Vieira UFBA
• Jorge P. G. Júnior UFBA
• Alisson N. S. de Oliveira UFBA
• Célia G. Ralha UFBA

DOI: https://doi.org/10.5753/wesaac.2026.31058

Resumo

O avanço das tecnologias educacionais inteligentes intensifica o desafio de criar sistemas capazes de compreender a complexidade do aprendizado humano e adaptar-se aos estudantes. Nesse cenário, sistemas multiagentes oferecem uma abordagem promissora ao empregar agentes autônomos orientados por objetivos para atuar em ambientes educacionais. Este trabalho apresenta o EDUPersona, um ambiente multiagente integrado a um chatbot baseado em LLM, desenvolvido para identificar metas, planejar intervenções e fornecer recomendações de objetos de aprendizagem. A combinação entre abordagens de raciocínio de agentes inteligentes e interação em linguagem natural possibilita uma tutoria digital que promove autonomia e eficiência na aprendizagem.

Referências

Almeida, T. O., De Magalhães Netto, J. F., and Lopes, A. M. M. (2021). Multi-agent system for recommending learning objects in e-learning environments. In 2021 IEEE Frontiers in Education Conference (FIE), pages 1–5.

Biswas, A. and Talukdar, W. (2023). Guardrails for trust, safety, and ethical development and deployment of large language models (llm). Journal of Science amp; Technology, 4(6):55–82.

Bresciani, P., Perini, A., Giorgini, P., Giunchiglia, F., and Mylopoulos, J. (2004). Tropos: An agent-oriented software development methodology. Autonomous Agents and Multi-Agent Systems, 8(3):203–236.

Cardoso, C. A., Ferreira, V. A., and Barbosa, F. C. G. (2020). (des) igualdade de acesso à educação em tempos de pandemia: uma análise do acesso às tecnologias e das alternativas de ensino remoto. Revista Com Censo: Estudos Educacionais do Distrito Federal, 7(3):38–46.

Chu, Z., Wang, S., Xie, J., Zhu, T., Yan, Y., Ye, J., Zhong, A., Hu, X., Liang, J., Yu, P. S., and Wen, Q. (2025). Llm agents for education: Advances and applications.

Ciloglugil, B. and Inceoglu, M. M. (2018). An adaptive e-learning environment architecture based on agents and artifacts metamodel. In 2018 IEEE 18th International Conference on Advanced Learning Technologies (ICALT), pages 72–74.

Coelho, N. L. N., Willima, K. G., da Cruz Ferreira, C., and Souza, L. B. P. (2025). Gamificação na educação contemporânea: Estratégia de engajamento e personalização do ensino. Revista Multidisciplinar do Nordeste Mineiro, 3(1):1–14.

Comitê Gestor da Internet no Brasil (2025). Pesquisa sobre o uso das tecnologias de informação e comunicação nas escolas brasileiras: TIC Educação 2024. Comitê Gestor da Internet no Brasil, São Paulo, 1 edition, ISBN: 978-65-85417-93-8. Disponível em: [link].

Dahal, C., Chen, J., Ye, M., and Xiong, Z. (2026). Multi-agent systems in education: A survey from the trustworthiness perspective. IEEE Transactions on Artificial Intelligence, pages 1–16.

Frade, R. V. C. (2015). Univirtual - ambiente virtual 3d multiagente com recomendação personalizada de objetos de aprendizagem. Master’s thesis, Universidade do Estado do Rio Grande do Norte / Universidade Federal Rural do Semi-Árido, Mossoró, RN.

IEEE Learning Technology Standards Committee (2020). IEEE Standard for Learning Object Metadata. Institute of Electrical and Electronics Engineers, New York.

Jiang, Y.-H., Liu, T.-Y., Zhuang, X., Hu, H., Li, R., and Jia, R. (2024). Enhancing educational practices with multi-agent systems: A review. Enhancing Educational Practices: Strategies for Assessing and Improving Learning Outcomes, pages 47–65.

Mohamedhen, A. S., Alfazi, A., Arfaoui, N., Ejbali, R., and Nanne, M. F. (2024). Towards multi-agent system for learning object recommendation. Heliyon, 10(20).

Mourão, A. B. and Netto, J. F. M. (2019). Simroaa multi-agent recommendation system for recommending accessible learning objects. In 2019 IEEE Frontiers in Education Conference (FIE), pages 1–9.

Nouzri, S., EL Fatimi, M., Guerin, T., Othmane, M., and Najjar, A. (2024). Beyond chatbots: Enhancing luxembourgish language learning through multi-agent systems and large language model. In International Conference on Principles and Practice of Multi-Agent Systems, pages 385–401. Springer.

Piaget, J. (2010). A formação do símbolo na criança: imitação, jogo e sonho, imagem e representação. Biblioteca de Ciências da Educação. Zahar, Rio de Janeiro, RJ, 4 edition, ISBN: 9788521617617.

Pimentel, J. and Castro, J. (2018). pistar tool–a pluggable online tool for goal modeling. In 2018 IEEE 26th International Requirements Engineering Conference (RE), pages 498–499. IEEE.

Russell, S. and Norvig, P. (2020). Artificial Intelligence: A Modern Approach. Pearson, 4th edition.

Vygotsky, L. S. et al. (1984). A formação social da mente. São Paulo, 3.

Wang, L., Ma, C., Feng, X., Zhang, Z., Yang, H., Zhang, J., Chen, Z., Tang, J., Chen, X., Lin, Y., et al. (2024). A survey on large language model based autonomous agents. Frontiers of Computer Science, 18(6):186345.

Wei, J., Wang, X., Schuurmans, D., Bosma, M., Xia, F., Chi, E., Le, Q. V., Zhou, D., et al. (2022). Chain-of-thought prompting elicits reasoning in large language models. Advances in neural information processing systems, 35:24824–24837.

Wiley, D. A. (2002). The Instructional Use of Learning Objects. Association for Instructional Technology and Association for Educational Communications Technology, 1 edition, ISBN: 0-7842-0892-1.

Wooldridge, M. (2009). An introduction to multiagent systems. John wiley & sons.

Yin, W. (2022). Personalized hybrid education framework based on neuroevolution methodologies. Computational Intelligence and Neuroscience, 2022(1):6925668.

Yu, E. et al. (2011). Modeling strategic relationships for process reengineering. Social Modeling for Requirements Engineering, 11(2011):66–87.