Teaching Agile Requirements Engineering: A Stakeholder Simulation with Generative AI
O artigo apresenta uma abordagem educacional que utiliza simulações de stakeholders com Inteligência Artificial Generativa para ensinar práticas de Engenharia de Requisitos Ágil, permitindo que os alunos aprendam a interagir com essas ferramentas e compreendam suas limitações técnicas e éticas.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine que você está aprendendo a cozinhar um prato complexo, mas nunca teve a chance de conversar com os clientes que vão comer a comida. Você só lê receitas antigas e tenta adivinhar o que eles gostam. É assim que muitos estudantes de engenharia de software aprendem a criar requisitos: teoricamente, mas sem a parte humana e real.
Este artigo é como uma receita nova e inovadora para ensinar essa habilidade, usando uma "simulação de clientes" feita por Inteligência Artificial (IA).
Aqui está a explicação do que os autores (Eva-Maria, Michael e Tiago) fizeram, usando analogias do dia a dia:
1. O Problema: O "Chef" que nunca fala com o "Comensal"
Na vida real, criar um aplicativo ou software exige conversar muito com as pessoas que vão usá-lo. Mas, na faculdade, é difícil ter 65 alunos conversando com 65 clientes reais ao mesmo tempo. Os clientes reais são ocupados, caros e nem sempre estão disponíveis.
A Solução: Os autores criaram "Personas de IA". Pense nelas como atores de teatro muito bem treinados (ou robôs conversadores) que fingem ser clientes reais. Eles têm personalidades definidas: um é um funcionário do governo cético, outro é um cidadão idoso que precisa de acessibilidade, e outro é um usuário experiente de uma grande cidade.
2. A Aula: O "Treino de Fogo"
Em vez de apenas ler sobre requisitos, os alunos entram em uma sala (ou online) e têm 90 minutos para "entrevistar" esses robôs.
- O Cenário: Eles precisam criar um aplicativo para serviços públicos (como renovar documentos).
- A Ação: Os alunos perguntam aos robôs: "O que você precisa?", "O que te irrita no sistema atual?".
- O Desafio: Os robôs não são perfeitos. Às vezes, eles respondem de forma seca, às vezes esquecem detalhes (alucinação) ou têm preconceitos escondidos nos dados de onde foram treinados.
3. As Três Etapas da Simulação (O Caminho do Aprendiz)
Descobrir o que o cliente quer (A Entrevista):
Os alunos usam um "super comando" (chamado de meta-prompt) para acordar esses robôs. Eles conversam com a IA como se fossem engenheiros de requisitos reais. É como um treino de voo para pilotos: você pode errar no simulador sem derrubar um avião de verdade.Escrever a Receita (Especificação):
Depois da conversa, os alunos têm que transformar o que ouviram em "Histórias de Usuário" (pequenas descrições do que o software deve fazer).- O Pulo do Gato: Os alunos tentaram usar a IA para escrever essas histórias automaticamente. O resultado? A IA fez um trabalho "bonitinho", mas superficial. Os alunos perceberam que precisaram discutir em grupo para dar profundidade e detalhes reais, algo que a IA sozinha não consegue fazer bem. É como a IA te dar um esboço de desenho, mas você precisa pintar e dar alma à obra.
O Debate Pós-Jogo (Reflexão):
Esta é a parte mais importante. Os alunos se reúnem e discutem: "A IA foi um bom cliente?".- Eles percebem que a IA pode ter vieses (preconceitos), como falar apenas de um tipo de pessoa e ignorar outras.
- Eles veem que a IA às vezes "alucina" (inventa fatos).
- Eles aprendem que, embora a IA seja útil, ela não substitui a empatia humana e a ética.
4. O Que Eles Aprenderam (As Lições de Casa)
- Não confie cegamente na IA: A IA é ótima para simular uma conversa, mas ela pode ser "preguiçosa" ou muito direta, perdendo a nuance de uma conversa humana real.
- O "Prompt" é a Chave: Eles descobriram que o segredo não é apenas usar a IA, mas saber como pedir (o comando). Eles tiveram que ajustar o "super comando" várias vezes para fazer os robôs agirem mais como humanos e menos como máquinas de eficiência.
- Flexibilidade: Como eles usam um comando genérico, podem trocar de ferramenta de IA (se o ChatGPT ficar caro ou mudar, eles podem usar outra) sem ter que refazer toda a aula.
Resumo Final
Este artigo é um convite para usar a IA não como um "truque" para fazer o trabalho dos alunos, mas como um espelho.
Ao conversar com esses "clientes robôs", os alunos aprendem duas coisas vitais:
- Como ser um bom engenheiro de requisitos (ouvindo, perguntando e organizando ideias).
- Como ser um usuário crítico de IA, entendendo onde a tecnologia brilha e onde ela falha (seus limites éticos e técnicos).
É como aprender a dirigir em um simulador de alta tecnologia: você comete os erros, aprende com eles e, quando chega na estrada real (o mercado de trabalho), está muito mais preparado para lidar com a complexidade humana.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.