Ancoragem curricular via RAG: um middleware para mitigação de alucinações na geração de questões alinhadas à BNCC

Abstract

A elaboração de avaliações alinhadas à Base Nacional Comum Curricular (BNCC) é um processo complexo e custoso para educadores e empresas de tecnologia educacional (EdTechs). Embora os Grandes Modelos de Linguagem (LLMs) apresentem potencial para a Geração Automática de Questões (AQG), sua aplicação direta no domínio normativo brasileiro esbarra em dois obstáculos, a alucinação de dados estruturados, em que o modelo inventa ou associa de forma incorreta códigos curriculares, e a transferência da complexidade da Engenharia de Prompt para o usuário final. Este trabalho apresenta a concepção e a implementação de um middleware de ancoragem curricular baseado no paradigma Retrieval-Augmented Generation (RAG) para o ecossistema educacional Gradepen, da Machlev Smart Applications. A solução atua como uma camada de abstração no backend, que infere a intenção do usuário, realiza uma recuperação determinística sobre a hierarquia curricular oficial modelada em JSON e orquestra a construção de um prompt enriquecido em XML. Esse prompt incorpora exemplos Few-Shot, o nível cognitivo da Taxonomia de Bloom Revisada e regras psicométricas para a formulação de distratores, antes de consultar uma API de LLM de propósito geral. Diferentemente da formulação mais difundida de RAG, a recuperação é determinística, baseada em correspondência exata sobre o vocabulário fechado e padronizado da BNCC. Implantada em ambiente de homologação, a solução opera de forma nativa no backend, o que dispensa serviços externos e reduz a complexidade e o custo computacional da operação. A abordagem busca assegurar que os códigos e os conteúdos curriculares das questões geradas existam, de fato, na base oficial, reduzindo a incidência de alucinações normativas e tornando os recursos de IA acessíveis a docentes sem exigir conhecimento técnico especializado, ainda que a revisão docente permaneça como etapa do fluxo.