Sobre sentimentos e linguagens...

Ao longo deste curso, venho compreendendo que a Engenharia de Prompt vai muito além da elaboração de comandos para obter respostas melhores do ChatGPT. Progressivamente, estamos aprendendo a estruturar problemas, decompor tarefas complexas, organizar informações, definir formatos de saída e transformar grandes volumes de dados em informações úteis para análise e tomada de decisão.

Até este momento, estudamos conceitos como tokens, delimitadores, prompts de conclusão, few-shot learning, decomposição de problemas, raciocínio passo a passo, formatos estruturados de saída, extração de informações, análise de sentimentos e geração de dados em formatos reutilizáveis, como JSON. Um dos princípios que mais chamou minha atenção foi a ideia de não pular etapas. Quanto mais explicitamos os processos intermediários, maior tende a ser a qualidade e a reprodutibilidade dos resultados produzidos pela Inteligência Artificial.

Foi justamente a partir dessa perspectiva que desenvolvi a atividade proposta.

A atividade original solicita a análise de resenhas de consumidores de air fryers, com o objetivo de gerar resumos, identificar pontos fortes e fracos dos produtos, classificar sentimentos e estruturar os resultados em JSON para análises futuras. Ao refletir sobre essa proposta, percebi que ela poderia ser adaptada para um contexto educacional e, ao mesmo tempo, explorar conteúdos curriculares de Língua Portuguesa.

Imaginei uma situação em que uma professora estivesse trabalhando o tema Variação Linguística com estudantes do Ensino Fundamental Anos Finais. Em vez de analisar apenas as resenhas originais, os alunos seriam convidados a reescrever uma resenha utilizando diferentes variedades linguísticas presentes em seus grupos sociais.

Como exemplo, a professora poderia apresentar a seguinte versão da resenha escrita em um dialeto adolescente contemporâneo, fortemente influenciado por redes sociais, jogos online e cultura digital:

"Mano, essa air fryer é muito aura! Sem zoeira. Fiz umas batatas e ficaram insanas. Ela farma muito XP na cozinha. O visual é clean demais e combina com qualquer setup. Agora, o rack é meio troll, porque dá trabalho pra limpar e parece que vai quitar da cesta a qualquer momento. O resto tá muito OP. Nota geral: vale o grind."

Após a leitura, os estudantes poderiam realizar as seguintes atividades:

1. Identificar as marcas de variação linguística presentes no texto.

2. Explicar o significado das expressões utilizadas, como:

   • farmar XP;
   • aura;
   • setup;
   • troll;
   • OP;
   • grind.

3. Reescrever a mesma resenha em diferentes variedades linguísticas:

   • linguagem formal;
   • linguagem jornalística;
   • linguagem regional;
   • linguagem utilizada por influenciadores digitais;
   • linguagem de gamers;
   • linguagem acadêmica.

4. Comparar os efeitos produzidos por cada escolha linguística.

5. Utilizar o ChatGPT para analisar cada versão produzida pelos grupos, identificando:

   • resumo;
   • palavras-chave;
   • pontos fortes;
   • pontos fracos;
   • sentimento predominante.

Ao desenvolver essa adaptação, percebi que ela dialoga diretamente com os objetivos desta etapa do curso.

Primeiramente, a atividade trabalha a construção de prompts compostos por múltiplas tarefas. Não estamos pedindo apenas um resumo. Estamos solicitando uma sequência de ações organizadas:

• resumir;
• identificar informações relevantes;
• classificar sentimentos;
• estruturar dados;
• gerar formatos reutilizáveis.

Em segundo lugar, a atividade evidencia o processo de transformação de dados não estruturados em dados estruturados. As resenhas são textos livres, produzidos por diferentes pessoas e carregados de subjetividade. Por meio da Inteligência Artificial, conseguimos transformar essas informações em categorias organizadas e passíveis de análise.

Outro aspecto importante é a introdução da análise de sentimentos. Ao classificar as opiniões como positivas, negativas, neutras ou mistas, começamos a compreender como sistemas de IA conseguem identificar padrões em grandes volumes de texto e produzir indicadores que apoiam a tomada de decisão.

Além disso, a atividade favorece discussões importantes sobre taxonomias. Dependendo das categorias escolhidas para interpretar os dados, os resultados podem mudar. Isso nos ajuda a compreender que os dados não falam por si mesmos. Toda análise depende dos critérios utilizados para observar a realidade.

Do ponto de vista educacional, a proposta também dialoga fortemente com o Pensamento Computacional. Os estudantes exercitam:

• decomposição;
• classificação;
• reconhecimento de padrões;
• organização da informação;
• abstração;
• análise de dados.