Informações Gerador de Questões Múltipla Escolha

  Sobre a ferramenta

Esta ferramenta utiliza o modelo de linguagem Gemini integrado via LangChain.

O objetivo é auxiliar professores na geração de questões de múltipla escolha com diferentes estruturas, usando temas ou arquivos como base.

Diferencial da ferramenta em relação ao uso direto em um LLM

Este sistema foi desenvolvido para transformar um modelo de linguagem (LLM) genérico em uma ferramenta educacional específica e acessível para professores.

Vantagens
  • Interface simples e orientada para professores.
  • Não é necessário ter conhecimento técnico de engenharia de prompt.
  • Campos guiados (tema, quantidade, tipo de questão) tornam o uso mais rápido.
  • Reduz a curva de aprendizado e o risco de comandos mal interpretados.
  • Garante consistência na apresentação e estrutura das questões.
  • Permite gerar questões com base em conteúdos reais (apostilas, artigos, capítulos).
  • Utiliza embeddings e recuperação semântica para focar nos trechos mais relevantes.
  • Aplicação de níveis com base na Taxonomia de Bloom*.

Como utilizar o gerador de questões

  • O modelo usará seu conhecimento prévio (base de dados de treinamento) para gerar a questão.
  • Informe um tema objetivo, como:
    • “Sustentabilidade”
    • “Reforma tributária”
    • “Programação orientada a objetos”
  • Caso queira, é possível dar informações extras ao modelo, por exemplo, supondo que tenha colocado o tema como "Implantação da LGPD" no campo instruções extras pode colocar um informação extra como "A questão deve ser e abordar os impactos da LGPD no setor médico". Ou ainda, coloque uma citação direta no enunciado para contextualizar a questão.

Clique em Gerar questão para obter o resultado.

  • O modelo utilizará o conteúdo presente no arquivo para gerar a questão.
  • É possível informar um assunto presente no arquivo para direcionar a geração (campo “Sobre o que a questão deve tratar?”).
  • Caso queira, é possível dar informações extras ao modelo, por exemplo, supondo que tenha colocado o tema como "Implantação da LGPD" no campo instruções extras pode colocar um informação extra como "A questão deve ser e abordar os impactos da LGPD no setor médico". Ou ainda, coloque uma citação direta no enunciado para contextualizar a questão.
  • Recomendação: use arquivos entre 2 e 20 páginas.
  • Observação: páginas com menos de 300 caracteres são descartadas pelo sistema.
  • O sistema lê apenas os textos presentes no arquivo, sem considerar o conteúdo gráfico.

  Estruturas de questões suportadas

Múltipla Escolha Simples

  • Enunciado com pelo menos 40 palavras.
  • 5 alternativas (a–e) — apenas 1 correta.
  • O sistema indicará a alternativa correta e justificará as incorretas.

Múltipla Escolha com Afirmativas

  • Enunciado com pelo menos 40 palavras.
  • 4 afirmativas sobre o tema (I a IV).
  • 5 alternativas de combinação (a–e) — apenas 1 correta.
  • O sistema indicará a alternativa correta e justificará as incorretas.

Múltipla Escolha Asserção-Razão

  • Enunciado com pelo menos 40 palavras.
  • 1 asserção e 1 razão.
  • 5 alternativas (a–e) sobre a relação entre as proposições.
  • O sistema indicará a alternativa correta e justificará as incorretas.

Número de questões

  • É possível gerar 1, 2 ou 3 questões por solicitação.
  • Na geração por arquivos, recomenda-se gerar apenas 1 questão.

Nível de dificuldade

  • Se a opção “Gerar questão com versões em nível de dificuldade fácil e difícil?” for marcada, serão geradas duas versões (fácil e difícil) por questão.
  • Os níveis e dificuldades são definidos a partir da Taxonomia de Bloom.
Fácil: níveis 1 (lembrança) ou 2 (compreensão).
Difícil: níveis 3 (aplicação), 4 (análise) ou 5 (avaliação).

Taxonomia de Bloom

A Taxonomia de Bloom, conforme discutida por Faraon, Granlund e Rönkkö (2023), é uma estrutura hierárquica que organiza os objetivos educacionais em diferentes níveis de complexidade cognitiva, sendo amplamente utilizada no planejamento e avaliação da aprendizagem no ensino superior. Originalmente composta por categorias como conhecimento, compreensão e aplicação, a taxonomia foi posteriormente revisada, substituindo os substantivos por verbos de ação e incorporando a metacognição como elemento essencial para o desenvolvimento de habilidades cognitivas. Com a crescente presença da tecnologia na educação, surgiu a taxonomia digital de Bloom, que mantém os mesmos seis níveis – lembrar, compreender, aplicar, analisar, avaliar e criar – mas os adapta ao uso de ferramentas tecnológicas para promover o aprendizado. Essa versão digital oferece orientações práticas para integrar recursos digitais ao ensino, ajudando educadores a planejar atividades que estimulem tanto habilidades de ordem inferior quanto de ordem superior, com base no uso crítico e criativo da tecnologia.

FARAON, M.; GRANLUND, V.; RÖNKKÖ, K. (2023). Artificial Intelligence Practices in Higher Education Using Bloom’s Digital Taxonomy. 2023 5th International Workshop on Artificial Intelligence and Education (WAIE). DOI: https://doi.org/10.1109/WAIE60568.2023.00017

Gerar Questões