💻 computer science

Software Framework for Anthropocentric Dispatch Management and Decision Support in Industry 5.0-Oriented Educational Processes

Este artigo apresenta uma estrutura de software para o gerenciamento de escalas antropocêntrico em ambientes educacionais da Indústria 5.0 que integra otimização consciente do cronotipo, ponderação adaptativa de critérios e suporte à decisão inteligente para melhorar significativamente a qualidade dos horários, o bem-estar dos estudantes e os resultados acadêmicos, garantindo simultaneamente a equidade entre todos os grupos de participantes.

Autores originais: Oleh Sytnik

Publicado 2026-07-08

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Oleh Sytnik

Artigo original sob licença CC BY 4.0 (https://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 uma universidade como uma orquestra massiva e complexa. Durante anos, a pessoa encarregada de escrever o cronograma (o "despachante") tem sido como um maestro que só se preocupa em garantir que cada músico tenha uma cadeira, uma partitura e um momento para tocar, sem que ninguém esbarre um no outro. Eles tratam estudantes e professores como simples recursos, tal como um gerente de fábrica trataria máquinas.

O resultado? O cronograma funciona perfeitamente no papel, mas na realidade é um desastre. Pode forçar um estudante "coruja" a fazer sua aula de matemática mais difícil às 8:00 da manhã, quando seu cérebro ainda está dormindo, ou empilhar três disciplinas difíceis consecutivamente, deixando todos exaustos e estressados.

Este artigo apresenta um novo framework de software chamado ADMS (Sistema de Gestão de Despacho Antropocêntrico) que muda a abordagem do maestro. Em vez de apenas gerenciar recursos, ele começa a gerenciar pessoas. Ele trata o processo educacional como um sistema "sociotécnico", o que significa que se importa com a biologia e a psicologia de todos os envolvidos.

Aqui está como o novo sistema funciona, dividido em conceitos simples:

1. O "Algoritmo Humano" (O Novo Maestro)

A forma antiga de criar cronogramas usava a lógica computacional padrão. O novo sistema utiliza um algoritmo "evolucionário" especial (um tipo de IA que aprende por tentativa e erro) projetado especificamente para humanos.

Consciência do Cronotipo: Assim como as pessoas têm diferentes horários de sono, o sistema sabe se um estudante ou professor é um "cotovia" ou uma "coruja". Ele tenta agendar as tarefas mais difíceis para quando o cérebro está naturalmente mais ativo.
Compatibilidade Cognitiva: Imagine tentar comer um bife pesado logo após uma refeição apimentada; não cai bem. Da mesma forma, o sistema sabe que colocar uma aula de artes criativas logo após um pesado enigma de lógica pode confundir o cérebro. Ele organiza as aulas para que fluam suavemente, como uma refeição bem planejada.
Conforto Psicológico: Evita o estresse de aulas "coladas" uma na outra. Garante que haja intervalos e que a carga de trabalho seja distribuída uniformemente ao longo da semana, em vez de esmagar todos na segunda-feira.

2. O "Assistente Inteligente" (O Tradutor)

No passado, os computadores geravam um cronograma e diziam: "Aqui está, aceite ou não". Se o cronograma fosse estranho, o despachante humano não tinha ideia do porquê.
O novo sistema inclui um Assistente Inteligente. Pense nisso como um tradutor que explica o raciocínio do computador em linguagem simples.

Por que esta aula? Ele pode dizer ao despachante: "Colocamos esta aula às 10h porque 80% dos alunos deste grupo são pessoas matinais".
Cenários "E se": Se um professor disser: "Não posso dar aula às terças-feiras", o despachante pode perguntar ao computador: "O que acontece se eu mover esta aula?". O computador simula instantaneamente a mudança e diz: "Se você fizer isso, os níveis de estresse diminuirão, mas você terá que mover outras duas aulas".
Humano no Ciclo (Human in the Loop): O computador nunca toma a decisão final sozinho. Ele apresenta as melhores opções com explicações, e um despachante humano deve aprová-las. Isso garante que o computador não cometa um erro "tecnicamente perfeito", mas humanamente terrível.

3. O "Ciclo de Feedback" (O Queridinho do Professor)

A maioria dos sistemas de computador é configurada uma vez e nunca muda. Este sistema é como um aluno que aprende com seus erros.

Ao final do semestre, estudantes e professores preenchem uma pesquisa sobre como se sentiram.
O sistema usa esse feedback para "recalibrar" suas prioridades. Se todos disseram que estavam muito estressados, o sistema aprende a priorizar o "baixo estresse" em vez do "uso perfeito de salas" para o próximo semestre. Ele se torna mais inteligente e mais adaptado àquela universidade específica ao longo do tempo.

Os Resultados: Uma Orquestra Mais Feliz

Os pesquisadores testaram este sistema em uma universidade na Ucrânia. Eles compararam o novo cronograma "focado no humano" contra os antigos cronogramas manuais "focados na máquina". Os resultados foram significativos:

Menos Estresse: Estudantes e professores relataram sentir significativamente menos estresse (uma queda de quase 35% nas escalas de estresse).
Melhores Notas: O desempenho acadêmico melhorou cerca de 13%.
Mais Presença: Menos pessoas faltaram às aulas (a frequência aumentou em 14%).
Menos Conflitos: O número de erros de agendamento (como duas aulas na mesma sala) caiu mais de 80%.
Equidade: O sistema não ajudou apenas as "pessoas matinais"; ele melhorou o cronograma para todos, incluindo as "corujas", sem prejudicar os demais.

A Conclusão

Este artigo argumenta que precisamos passar da Indústria 4.0 (que trata de eficiência e automação) para a Indústria 5.0 (que trata de colocar os humanos de volta no centro).

O software não apenas constrói um cronograma; ele constrói um dia melhor para estudantes e professores. Ele prova que, quando você trata as pessoas como seres humanos com ritmos biológicos e necessidades psicológicas, em vez de apenas pontos de dados, todo o processo educacional funciona de forma mais fluida, feliz e eficaz.

Resumo Técnico: Estrutura de Software para Gestão de Despacho Antropocêntrico em Processos Educacionais Orientados à Indústria 5.0

1. Definição do Problema

O agendamento de aulas em instituições de ensino superior (IES) tradicionais é predominantemente tratado como um problema técnico de alocação de recursos, focando na atribuição livre de conflitos entre instrutores, grupos e salas a intervalos de tempo. Esta abordagem, enraizada na lógica da Indústria 4.0, frequentemente ignora as características cronobiológicas e psicológicas dos participantes (alunos e instrutores). Consequentemente, horários formalmente válidos podem ser pedagogicamente contraproducentes, levando ao desalinhamento cognitivo, aumento do estresse e redução do desempenho acadêmico. Além disso, os sistemas existentes carecem de mecanismos para:

Ponderação Adaptativa: Ajustar dinamicamente os critérios de otimização com base no feedback dos participantes.
Suporte à Decisão: Fornecer recomendações explicáveis, análise de cenários "e se" (what-if) e avisos orientados ao risco para despachantes humanos.
Integração: Conectar perfeitamente diversas fontes de dados institucionais (LMS, RH, questionários) em um modelo de otimização unificado.

Isso cria uma lacuna entre as capacidades de agendamento automatizado e os requisitos da Indústria 5.0, que prioriza a centralidade humana, a resiliência e a explicabilidade.

2. Metodologia: O Sistema de Gestão de Despacho Antropocêntrico (ADMS)

O artigo propõe o Sistema de Gestão de Despacho Antropocêntrico (ADMS), uma estrutura de software monolítica modular que integra coleta de dados, otimização e suporte à decisão.

2.1 Estrutura Arquitetônica

O ADMS segue os princípios da Clean Architecture, separando as camadas de domínio, aplicação, infraestrutura e API. Os subsistemas principais incluem:

Coleta e Armazenamento de Dados (DCS): Ingesta planos curriculares, perfis de cronotipo (via questionários MEQ), matrizes de compatibilidade cognitiva e restrições dos participantes.
Núcleo de Otimização (OC): Executa o Método de Despacho Antropocêntrico (AMD), um algoritmo evolucionário.
Adaptação de Regressão de Satisfação (SRA): Um serviço que aprende os coeficientes de ponderação dos critérios a partir do feedback pós-semestre.
Assistente Inteligente (IA): Gera explicações locais/globais, realiza análises de cenários "e se" e calcula pontuações de risco.
Subsistema de Apresentação (PS): Fornece uma interface de loop humano para aprovação do despachante e registro de auditoria.

2.2 O Algoritmo de Otimização AMD

O núcleo da otimização maximiza uma função objetivo de quatro componentes $F(x, w)$ :
$F(x, w) = w_1 F_{tech}(x) + w_2 F_{circ}(x) + w_3 F_{psych}(x) + w_4 F_{cogn}(x)$

$F_{tech}$ (Correção Técnica): Garante que as restrições rígidas (sem duplicidade de reserva, capacidade da sala) sejam atendidas.
$F_{circ}$ (Alinhamento Circadiano): Alinha os slots de aula com os picos de atividade dos cronotipos de alunos e instrutores, modelados via funções de atividade Gaussiana.
$F_{psych}$ (Conforto Psicológico): Minimiza a variância da carga cognitiva e transições desconfortáveis entre disciplinas.
$F_{cogn}$ (Compatibilidade Cognitiva): Otimiza a sequência de disciplinas com base em uma matriz de compatibilidade direcionada $S$ .

Operadores Algorítmicos Chave:

Inicialização Consciente do Cronotipo: Semeia a população com horários tendenciosos para slots cronobiologicamente plausíveis.
CPC (Crossover de Preservação do Cronotipo): Um operador de crossover diário que preserva blocos diários contíguos para manter a qualidade circadiana, em vez de usar crossovers posicionais padrão.
AWM (Mutação Ponderada Antropocêntrica): Concentra mutações nos slots com as menores pontuações de qualidade antropocêntrica.
Procedimento de Reparo: Resolve sistematicamente violações de restrições rígidas enquanto tenta restaurar o alinhamento cronobiológico.

2.3 Mecanismos de Adaptação e Suporte à Decisão

Serviço SRA: Utiliza Regressão de Mínimos Quadrados Ordinários (OLS) ou Regressão Ridge para mapear os componentes da função objetivo às pontuações de satisfação dos participantes. Ele atualiza o vetor de pesos $w$ iterativamente, projetando-o em um simplex restrito para garantir que nenhum critério seja totalmente suprimido.
Assistente Inteligente: Fornece um vetor de decisão de sete dimensões para cada horário candidato, incluindo pontuações de risco (conflito, estresse, cognitivo, mudança) e explicações em linguagem natural. Ele suporta cenários "e se" (ex: indisponibilidade de instrutor, mudanças de sala) para prever impactos antes da aprovação.

3. Principais Contribuições

Estrutura Unificada Antropocêntrica: O primeiro sistema de software implantável (ADMS) que unifica otimização multicritério com aprendizado de peso adaptativo e suporte à decisão inteligente, indo além dos modelos estáticos focados apenas em recursos.
Novos Operadores Evolucionários: Introdução dos operadores CPC e AWM especificamente projetados para preservar e aumentar as métricas humanas (cronotipo e carga cognitiva) dentro do espaço de busca do algoritmo genético.
Ponderação Adaptativa via SRA: Um mecanismo para aprender dinamicamente os pesos dos critérios específicos da instituição a partir de feedback empírico, abordando a rigidez dos pesos pré-configurados em sistemas existentes.
Fluxo de Trabalho Explicável com Humano no Loop: Um fluxo de trabalho estruturado onde o despachante revisa os principais candidatos com avaliações de risco detalhadas e explicações, garantindo supervisão humana e contestabilidade das decisões algorítmicas.
Alinhamento com a Indústria 5.0: A estrutura operacionaliza explicitamente os princípios da Indústria 5.0 (centralidade humana, resiliência, sustentabilidade) no contexto da gestão de processos educacionais.

4. Resultados Experimentais

A estrutura foi validada usando um design quase-experimental em uma IES técnica ucraniana e através de estudos de ablação em conjuntos de dados gerados.

4.1 Desempenho Algorítmico (Estudo de Ablação)

Melhoria de Qualidade: A configuração completa do AMD alcançou uma qualidade integral média de 0,84, uma melhoria de 18,3% sobre o GA de Linha de Base (0,71).
Velocidade de Convergência: O AMD atingiu o limiar de qualidade ( $F > 0,75$ ) em 38,4 minutos, uma redução de 34% no tempo em comparação com o GA de Linha de Base (58,2 minutos).
Estabilidade: O desvio padrão dos resultados finais ( $\sigma_{final}$ ) diminuiu de 0,043 (Linha de Base) para 0,029 (AMD), indicando resultados mais consistentes.
Sinergia: O efeito combinado de CPC e AWM excedeu a soma de suas contribuições individuais, demonstrando interação sinérgica.

4.2 Resultados Humanocêntricos (Comparação de IES)

Comparando um grupo de controle (agendamento manual tradicional) com um grupo experimental (AMD com pesos adaptados pelo SRA):

Satisfação: A satisfação dos alunos aumentou 43,7% (3,2 para 4,6/5); a satisfação dos instrutores aumentou 41,4%.
Redução de Estresse: O estresse percebido (PSS-10) diminuiu 34,8% (22,1 para 14,4), mudando a média de uma faixa de estresse moderado-alto para uma faixa de baixo estresse.
Desempenho Acadêmico: Melhorou 13,5% (3,7 para 4,2/5).
Frequência: Aumentou 14,1%.
Redução de Conflitos: Conflitos de agenda caíram 83,3% (de 12 para 2 por semana).
Equidade: O sistema melhorou o alinhamento circadiano para cronotipos vespertinos (o grupo mais desfavorecido) em 45% (0,51 para 0,74) sem reduzir os benefícios para os grupos matutinos, confirmando a distribuição uniforme dos ganhos.

4.3 Usabilidade do Sistema

Aceitação do Despachante: 76% das recomendações geradas pela IA foram aceitas; 24% exigiram intervenção manual, validando o valor do julgamento humano.
Explicabilidade: Taxa de sucesso de 100% na análise de cenários "e se"; as explicações foram avaliadas em 4,2/5 quanto à utilidade.

5. Significância e Alegações

O artigo alega que o ADMS aborda uma lacuna metodológica crítica no agendamento educacional ao transitar de um paradigma puramente técnico da Indústria 4.0 para uma abordagem sociotécnica orientada à Indústria 5.0.

Mudança de Paradigma: Demonstra que tratar o agendamento como um problema humano complexo, em vez de um simples problema de satisfação de restrições, produz melhorias estatisticamente significativas no bem-estar e nos resultados acadêmicos.
Adaptabilidade: O serviço SRA prova que os sistemas podem aprender e se adaptar às culturas institucionais específicas e às preferências dos participantes ao longo do tempo, em vez de depender de parâmetros estáticos definidos pelos desenvolvedores.
Confiança e Transparência: Ao integrar explicabilidade e portões de aprovação humana, o sistema promove a confiança na tomada de decisão automatizada, um pré-requisito para a adoção da IA em contextos educacionais sensíveis.
Escalabilidade: A arquitetura modular e o uso de APIs REST padrão sugerem que a estrutura pode ser implantada em diversas IES e potencialmente adaptável a outros domínios sociotécnicos (ex: agendamento de turnos hospitalares).

Os autores observam limitações, incluindo a validação em uma única instituição e a dependência de feedback autorrelatado para a adaptação de pesos, mas afirmam que a estrutura fornece uma base robusta para futuras validações multi-institucionais e para o desenvolvimento de ferramentas de planejamento educacional mais avançadas e personalizadas.