Transformações digitais vêm redefinindo processos educacionais, demandando abordagens capazes de promover personalização, escalabilidade e desenvolvimento de competências alinhadas ao mundo do trabalho. Inteligência artificial (IA) e mecanismos automatizados de feedback surgem como alternativas para ampliar efetividade do ensino e aprendizagem, especialmente em atividades práticas de programação. Este trabalho apresenta relato de experiência sobre desenvolvimento e aplicação de sistema de feedback automatizado - Autograder - numa disciplina de Desenvolvimento de Interfaces Web num curso de Engenharia de Software. O objetivo foi analisar impactos do feedback automatizado no envolvimento, autonomia e percepção de aprendizagem dos estudantes e discutir potencialidades e limitações do uso de IA em processos formativos. A pesquisa caracteriza-se como aplicada, de abordagem mista e natureza quali-quantitativa, envolvendo atividades com HTML, CSS e JavaScript em três cenários: sem autograder; com autograder baseado em testes automatizados; e com autograder integrado a modelos de linguagem de larga escala (LLMs), responsáveis pela geração de feedback contextualizado. Os dados foram coletados por questionários estruturados, respostas abertas e registros automáticos do GitHub Classroom. Os resultados indicaram aumento no envolvimento dos estudantes, com média de commits passando de 4,55 para 6,5 nas atividades com feedback automatizado. Os participantes relataram maior clareza na identificação de erros, agilidade na revisão das atividades e maior autonomia na resolução de problemas. Conclui-se que o Autograder representa uma estratégia promissora para integração entre IA e educação baseada em competências, favorecendo aprendizagem autorregulada, escalabilidade e redução da sobrecarga docente, embora ainda demande supervisão pedagógica e diretrizes éticas para uso educacional da IA.
Comissão Organizadora
Gabriel Felipe Cotta Cirino
Francisco Paletta
Victoria Siqueira Pereira
Mariane Alves Antunes
Rodrigo Garcia
Victor Barros
Karina Satie kawashita
Comissão Científica
Ferramenta completa de submissão, avaliação e publicação de anais para eventos científicos.
