Generative AI to Support Learning Through the Generation of Visual and Structured  Text Summaries

Wanderley, Gabriel Monteiro de Castro Xará

DSpace Home
→
Centro de Ciências Exatas e Tecnologia (CCET)
→
Informática Aplicada
→
INAP - Dissertações de Mestrado
→
View Item

dc.contributor.advisor	Moraes, Laura O.
dc.contributor.author	Wanderley, Gabriel Monteiro de Castro Xará
dc.date.accessioned	2026-11-04T21:43:27Z
dc.date.available	2026-11-04T21:43:27Z
dc.date.issued	2025-05-29
dc.identifier.citation	PEREIRA, Milena Batalha. Gamificação para Combate à Procrastinação: GAP Framework. Orientador: Tadeu Moreira de Classe. 2026. 129 f. Dissertação (Mestrado em Informática) – Programa de Pós-Graduação em Informática, Centro de Ciências Exatas e Tecnologia, Universidade Federal do Estado do Rio de Janeiro, Rio de Janeiro, 2026.	pt_BR
dc.identifier.uri	http://hdl.handle.net/unirio/15505
dc.description.sponsorship	n/a	pt_BR
dc.language.iso	English	pt_BR
dc.rights	openAccess	pt_BR
dc.title	Generative AI to Support Learning Through the Generation of Visual and Structured Text Summaries	pt_BR
dc.type	masterThesis	pt_BR
dc.contributor.referee	Moraes, Laura O.
dc.contributor.referee	Pimentel, Mariano Gomes
dc.contributor.referee	Xexéo, Geraldo Bonorino
dc.degree.department	CCET	pt_BR
dc.degree.grantor	Universidade Federal do Estado do Rio de Janeiro - UNIRIO	pt_BR
dc.degree.level	Mestrado Profissional	pt_BR
dc.degree.local	Rio de Janeiro	pt_BR
dc.degree.program	Programa de Pós-Graduação em Informática	pt_BR
dc.subject.cnpq	CIÊNCIA EXATAS E TECNOLOGIA. CIÊNCIA DA COMPUTAÇÃO	pt_BR
dc.subject.en	Summary Maps	pt_BR
dc.subject.en	Large Language Model	pt_BR
dc.subject.en	Generative AI	pt_BR
dc.description.abstracten	Advancements in cognitive psychology have significantly enhanced our understanding of learning processes and individual differences. Theoretical frameworks such as the Theory of Meaningful Learning emphasize that knowledge is constructed through connections between new concepts and existing cognitive structures. This perspective has informed pedagogical approaches that prioritize logical and progressive organization of educational content to facilitate comprehension and assimilation. This study presents an artifact that leverages generative artificial intelligence (AI) to transform textual content into Visual Structured Summary Maps (VSSM), offering a visual representation aimed at supporting learning by making abstract ideas more accessible. By converting text into visual diagrams, the solution seeks to reduce cognitive load and improve comprehension. The artifact was evaluated through a comparative study involving control and treatment groups. Both groups interpreted the same texts, but only the treatment group had access to the AI-generated VSSM. Comprehension was assessed using structured questionnaires, with results indicating superior performance by the treatment group. A perception questionnaire complemented the analysis, capturing participants’ experiences.Despite these encouraging outcomes, the study acknowledges a key limitationregarding sample size. With only 26 participants, the statistical power was limited, underscoring the need for larger-scale studies to validate and generalize the findings.	pt_BR
dc.degree.country	Brasil	pt_BR
dc.description.sponsordocumentnumber	n/a	pt_BR
dc.description.abstractpt	Os avanços na psicologia cognitiva aprimoraram significativamente nossa compreensão dos processos de aprendizagem e das diferenças individuais. Referenciais teóricos como a Teoria da Aprendizagem Significativa enfatizam que o conhecimento é construído por meio de conexões entre novos conceitos e estruturas cognitivas existentes. Essa perspectiva tem fundamentado abordagens pedagógicas que priorizam a organização lógica e progressiva do conteúdo educacional para facilitar a compreensão e a assimilação.Este estudo apresenta um artefato que utiliza inteligência artificial (IA) generativa para transformar conteúdos textuais em Mapas de Resumo Estruturado Visual (VSSM, na sigla em inglês), oferecendo uma representação visual voltada para apoiar a aprendizagem ao tornar ideias abstratas mais acessíveis. Ao converter texto em diagramas visuais, a solução busca reduzir a carga cognitiva e melhorar a compreensão. O artefato foi avaliado por meio de um estudo comparativo envolvendo grupos de controle e de tratamento. Ambos os grupos interpretaram os mesmos textos, mas apenas o grupo de tratamento teve acesso aos VSSMs gerados por IA. A compreensão foi avaliada por meio de questionários estruturados, com os resultados indicando um desempenho superior do grupo de tratamento. Um questionário de percepção complementou a análise, capturando as experiências dos participantes. Apesar desses resultados animadores, o estudo reconhece uma limitação principal em relação ao tamanho da amostra. Com apenas 26 participantes, o poder estatístico foi limitado, destacando a necessidade de estudos em maior escala para validar e generalizar os achados.	pt_BR
dc.subject.pt	Mapas de Resumo	pt_BR
dc.subject.pt	Modelo de Linguagem de Grande Porte	pt_BR
dc.subject.pt	IA Generativa	pt_BR