Plataforma betterstudy para auxílio nos estudos com aprendizagem autorregulada e IA generativa

Abstract

O presente trabalho apresenta o desenvolvimento e a avaliação da plataforma web BetterStudy, projetada para auxiliar estudantes na organização e priorização de seus estudos por meio de inteligência artificial generativa. A aplicação coleta automaticamente as notas acadêmicas do Sistema Integrado de Gestão Acadêmica (SIGA) e as utiliza para oferecer recomendações personalizadas de estudo, fundamentadas nos princípios da aprendizagem autorregulada. A proposta alia técnicas de aprendizado de máquina, categorização de disciplinas e estratégias de estudo baseadas em evidências, como revisão espaçada, método Pomodoro, flashcards e metacognição. O sistema foi desenvolvido com arquitetura Angular e Flask, em contêineres Docker, e integrou localmente o modelo generativo Gemma 2B via Ollama. Os testes indicaram a viabilidade técnica da integração e a coerência das respostas, embora tenham sido identificadas limitações de personalização decorrentes do uso de um modelo de menor porte e das restrições de hardware local. O trabalho evidencia o potencial da BetterStudy como ferramenta de apoio cognitivo e metacognitivo, capaz de promover a autonomia e o autogerenciamento dos estudos, apontando caminhos para aprimoramentos futuros em infraestrutura em nuvem e modelos de maior capacidade.