Engenharia de Prompts Baseada na Taxonomia de Bloom: Desenvolvimento e Validação de Tutores Digitais para o Ensino

Resumo

Este trabalho investiga a aplicação de metodologias de engenharia de prompts para apri-
morar o uso da inteligência artificial (IA) generativa como ferramenta de tutoria no ensino. O objetivo
principal foi desenvolver e validar um framework de prompting estruturado com base na Taxonomia
de Bloom, visando promover diferentes níveis cognitivos de aprendizagem através de tutores digitais
adaptativos. A metodologia seguiu três etapas: desenvolvimento de prompts fundamentados nos fra-
meworks CRISPE e CLEAR, integração à Taxonomia de Bloom e validação através de testes em
quatro chatbots (ChatGPT, Copilot, Gemini e Claude) aplicados ao conteúdo "funções inorgânicas".
Os resultados demonstraram hierarquização clara no desempenho: Claude alcançou pontuação média
de 4,8, seguido pelo ChatGPT (4,2-4,5), Copilot (3,5) e Gemini (3,3-3,8). Claude destacou-se na ma-
nutenção de personas consistentes, aderência às instruções e capacidade de adaptação pedagógica. O
estudo conclui que a engenharia de prompts constitui habilidade essencial para o uso direcionado de
IA generativa na educação, sendo os chatbots ferramentas viáveis de apoio educacional quando ade-
quadamente estruturados. Contudo, é fundamental que a IA seja utilizada eticamente, assegurando
transparência algorítmica, respeito à privacidade dos alunos e evitando substituir a mediação humana
no processo de ensino-aprendizagem.