Um grupo de pesquisadores da Universidade Lucian Blaga, na Romênia, desenvolveu o ROboMC, um chatbot educacional multimodal e portátil que combina base de conhecimento validada por especialistas com geração de linguagem via ChatGPT, operando inclusive em um Raspberry Pi e alcançando alta usabilidade em testes com estudantes e docentes de cursos da área de saúde.
O QUE HÁ DE NOVO: O ROboMC é um sistema de tutor inteligente criado para apoiar o ensino superior, especialmente em saúde, que funciona tanto em computadores quanto em um minicomputador Raspberry Pi, transformando-se em um “quiosque educativo” móvel. A plataforma integra uma base local de perguntas e respostas revisadas por docentes com um modelo generativo (GPT-3.5-Turbo) para cobrir lacunas, permitindo interação por texto e voz em romeno. Em testes preliminares com 35 estudantes e professores, o sistema apresentou latências inferiores a 3 segundos na maior parte dos casos e obteve pontuação média de 80/100 na escala SUS de usabilidade, considerada excelente.
COMO FUNCIONA: No núcleo do ROboMC há uma arquitetura híbrida: quando o aluno envia uma pergunta, o sistema primeiro tenta encontrar uma correspondência em uma base local de questões e respostas validadas por especialistas. Esse processo usa uma combinação de normalização linguística, similaridade “fuzzy” (por sobreposição de tokens e distância de Levenshtein) e similaridade semântica via embeddings de sentenças multilíngues. Apenas quando os dois índices superam limiares definidos (0,40 para a similaridade léxica e 0,87 para a semântica) a resposta é considerada suficientemente próxima para ser retornada da base validada; caso contrário, a pergunta é encaminhada ao modelo GPT-3.5-Turbo.
O sistema foi implementado em Django, em Python, com dois bancos principais: um para a base validada (LocalQuestion) e outro para registrar todas as perguntas e respostas geradas automaticamente (AutomaticQuestion). Esse registro alimenta um ciclo contínuo de curadoria: docentes analisam as interações reais, identificam dúvidas recorrentes e incorporam novas perguntas e respostas à base local. Na prática, isso significa que quanto mais o sistema é usado, mais rica e ajustada ao currículo se torna a base validada, reduzindo gradualmente a dependência do modelo generativo para temas centrais do curso.
INSIGHT CENTRAL: A principal inovação do ROboMC não está apenas em “usar IA” em sala de aula, mas em combinar o melhor dos dois mundos: a segurança de uma base de conhecimento revisada por especialistas e a flexibilidade linguística de um modelo generativo. Em vez de confiar cegamente em respostas produzidas por um chatbot de uso geral, os autores partiram da observação de que estudantes já recorriam a ferramentas como ChatGPT para dúvidas rápidas, muitas vezes recebendo explicações imprecisas. A resposta metodológica foi desenhar um fluxo em que o conteúdo curricular crítico é sempre ancorado em respostas verificadas, enquanto a IA generativa entra apenas como complemento, claramente sinalizada como não validada.
Esse arranjo altera o papel típico dos chatbots educacionais. Em vez de substituir o professor ou de atuar como “caixa-preta” que traz respostas difíceis de auditar, o ROboMC funciona como extensão do trabalho docente: captura as dúvidas reais dos estudantes, ajuda a mapear lacunas conceituais e oferece uma camada de explicação adaptativa. Assim, o sistema desloca o foco da automação pura para a construção de um ecossistema de aprendizagem em que IA e docentes co-criam o repositório de conhecimento e o modo de interação.
PRINCIPAIS RESULTADOS: Na avaliação preliminar, o ROboMC apresentou tempos de resposta muito baixos para consultas respondidas pela base local validada: entre 120 e 180 milissegundos em laptops e 250 a 350 milissegundos no Raspberry Pi, percebidos pelos usuários como praticamente instantâneos. Quando a pergunta exigia uso do modelo generativo, o tempo médio ficou entre 2,5 e 3,5 segundos no laptop e entre 4 e 6 segundos no Raspberry Pi, ainda considerado aceitável para o contexto educacional, em que a qualidade da resposta pesa mais que a velocidade absoluta.
Do ponto de vista de experiência de uso, os 35 participantes, estudantes de graduação e pós-graduação em saúde e docentes de áreas médicas e de engenharia, atribuíram ao sistema uma pontuação média de 80 na System Usability Scale, acima do patamar de 80 geralmente interpretado como “excelente”. Relatos qualitativos destacaram o equilíbrio entre respostas validadas e geradas por IA, a clareza dos avisos quando o conteúdo não era revisado por especialistas e a comodidade de poder interagir por texto ou voz. Em comparação com chatbots amplamente utilizados, como a interface web do ChatGPT e o aplicativo Replika, o ROboMC apresentou vantagem em consistência factual e alinhamento ao currículo, ainda que esses sistemas externos fossem percebidos como mais “fluentes” na conversa.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para a sala de aula e a aprendizagem dos estudantes, o ROboMC oferece um meio de acesso rápido a explicações alinhadas ao conteúdo da disciplina, reduzindo a dispersão típica de buscas abertas na web ou em chatbots genéricos. A possibilidade de alternar entre respostas validadas e explicações geradas pela IA estimula, segundo os autores, um processo de comparação crítica: estudantes aprendem o conteúdo e, ao mesmo tempo, desenvolvem literacia digital ao confrontar informações revisadas com saídas de um modelo generativo. Isso é particularmente relevante em cursos de saúde, em que a precisão da informação impacta diretamente a futura prática profissional.
Do ponto de vista do trabalho docente e da gestão acadêmica, o sistema funciona também como ferramenta de analytics. Ao armazenar todas as perguntas formuladas, permite identificar temas que geram mais dúvidas, conceitos mal compreendidos e padrões de erro, oferecendo subsídios concretos para ajustes de plano de ensino, revisão de materiais ou desenho de atividades de reforço. Em contextos de políticas educacionais voltadas à equidade, a capacidade de rodar em hardware de baixo custo e de garantir acessibilidade por voz torna o ROboMC um candidato interessante para projetos em instituições com infraestrutura limitada, ampliando o acesso a recursos de tutorias assistidas por IA sem exigir laboratórios sofisticados. Ao mesmo tempo, a separação explícita entre conteúdo validado e gerado reforça práticas de uso responsável da IA, alinhadas a diretrizes éticas emergentes na Europa e em outros sistemas de ensino.
SIM, MAS… (limitações e riscos): Apesar das evidências positivas, o estudo enfatiza que o ROboMC ainda é um protótipo em fase inicial, avaliado com uma amostra relativamente pequena e concentrada em cursos da área de saúde em uma única universidade. Isso limita a generalização dos resultados: não há, por enquanto, dados robustos sobre impacto em desempenho acadêmico de longo prazo ou sobre como o sistema se comporta em disciplinas com perfis muito distintos, como humanidades ou educação básica. Além disso, a arquitetura atual depende de conexão à internet para acionar o modelo GPT-3.5-Turbo, o que reduz a autonomia em ambientes com conectividade precária, justamente onde a portabilidade do Raspberry Pi seria mais desejável.
Há também riscos típicos da adoção de IA em contextos educacionais. Mesmo com avisos e curadoria, respostas geradas pelo modelo podem ser inconsistentes ou inadequadas, e o sistema ainda não elimina completamente o risco de que alunos tomem essas saídas como verdade absoluta. A performance inferior no Raspberry Pi em relação ao laptop, sobretudo em respostas gerativas, indica que, embora seja viável como quiosque móvel, o dispositivo de baixo custo pode não atender a cenários de uso intensivo ou a turmas muito grandes em sessões simultâneas. A equipe reconhece, ainda, desafios futuros relacionados a privacidade de dados dos estudantes e à necessidade de formar professores para interpretar corretamente os indicadores de aprendizagem extraídos das interações com o chatbot.
EXEMPLOS NA PRÁTICA EDUCACIONAL: Em um curso de farmacologia clínica, por exemplo, o ROboMC pode ser usado durante um laboratório de simulação: cada estudante formula dúvidas sobre posologia ou cálculos de depuração renal diretamente ao quiosque instalado na sala, recebendo respostas em áudio e texto, incluindo fórmulas matemáticas renderizadas via LaTeX. Se a pergunta estiver contemplada na base validada, o aluno tem acesso imediato a uma explicação revisada; se não estiver, o sistema recorre ao modelo generativo, sinalizando que se trata de conteúdo não revisado e sugerindo fontes externas para leitura complementar. Ao fim da atividade, o professor acessa o registro das interações, identifica quais conceitos geraram mais dúvidas e ajusta a aula seguinte.
Em outro cenário, uma biblioteca universitária pode instalar o Raspberry Pi com microfone e alto-falante em um espaço de estudo silencioso. Estudantes podem esclarecer dúvidas rápidas sobre procedimentos clínicos, equações ou conceitos básicos sem precisar agendar atendimento com monitores, usando apenas comandos de voz. Em contextos de extensão comunitária, a mesma configuração portátil poderia ser levada a unidades básicas de saúde para treinamento de equipes ou ações educativas com a população, desde que a base local seja adaptada e validada por especialistas da área específica, o que mostra o potencial de transferência de arquitetura para áreas como engenharia, ciências sociais ou formação técnica profissional.
O QUE VEM DEPOIS: Os autores indicam uma agenda clara de próximos passos. No plano tecnológico, estudam integrar modelos de linguagem que possam rodar localmente, reduzindo a dependência de serviços em nuvem e permitindo operação offline, um ponto crítico para instituições em regiões com conectividade instável. Outra frente é o desenvolvimento de painéis específicos para docentes, que tornem visíveis, de forma amigável, os padrões de perguntas, temas recorrentes e evolução das dúvidas ao longo do semestre, convertendo o chatbot em instrumento de pesquisa e de gestão pedagógica.
Do ponto de vista de pesquisa educacional, está prevista a ampliação dos estudos de usabilidade e eficácia para grupos maiores e mais diversos, incluindo cursos de engenharia, ciências sociais e formação profissional. A equipe também pretende investigar como a exposição simultânea a respostas validadas e gerativas influencia o raciocínio crítico, a motivação e a confiança dos estudantes em relação à IA. Em paralelo, buscam parcerias com outras instituições para avaliar a escalabilidade do modelo e sua integração em políticas institucionais de adoção responsável de tecnologias digitais. Se bem-sucedido, o ROboMC pode servir não só como ferramenta de apoio ao ensino, mas como referência de arquitetura híbrida e humanocêntrica para projetos de IA educacional em diferentes países.
Fonte(s): ROboMC: A Portable Multimodal System for eHealth Training and Scalable AI-Assisted Education
