O projeto visa não apenas modernizar a experiência de usuário através de um design consistente e responsivo, mas também expandir o papel do LMS, transformando-o de um repositório de conteúdo em um ecossistema integrado que promove o desenvolvimento do aluno.
Para isso, propõe-se a implementação de funcionalidades de melhoria, como uma ferramenta de busca inteligente, e inovações como um sistema de recomendação de oportunidades acadêmicas e extracurriculares.
A motivação central deste projeto nasce da experiência diária como estudante universitário e da observação das dificuldades operacionais causadas pelas ferramentas de gestão de aprendizagem atualmente em uso.
A dificuldade em localizar materiais de estudo, a inconsistência na organização de conteúdo entre diferentes disciplinas e a instabilidade da plataforma resultam em interrupções no acesso ao conteúdo de aprendizagem.
Adicionalmente, identifica-se uma lacuna na centralização de informações relevantes para a jornada do aluno, como oportunidades de estágio, projetos de pesquisa e atividades de extensão, que hoje são divulgadas de forma descentralizada e assimétrica.
O objetivo é, portanto, criar uma solução que resolva esses pontos práticos e organize a experiência acadêmica, tornando-a mais fluida, integrada e personalizada.
O cenário de Learning Management Systems é dominado por plataformas robustas, mas que frequentemente carregam legados técnicos e de design. A análise a seguir combina a perspectiva do usuário final com tendências de mercado.
Como usuário direto do Moodle, os seguintes pontos são recorrentes:
-
Design e Usabilidade: A interface é percebida como não alinhada aos padrões visuais atuais, com navegação pouco intuitiva. A falta de um padrão na estruturação do conteúdo por parte dos docentes demanda um esforço adicional do aluno para a localização de materiais em cada nova disciplina. A experiência em dispositivos móveis apresenta limitações, o que dificulta o acesso rápido a informações.
-
Desempenho e Confiabilidade: Episódios de lentidão, indisponibilidade em períodos de alta demanda (como semanas de prova) e falhas no upload ou download de arquivos são reportados com frequência por alunos e professores. Tais ocorrências podem impactar a continuidade das atividades acadêmicas.
As observações pessoais são validadas por análises mais amplas do setor de EdTech.
-
Confiabilidade como Fator Crítico: Relatórios como o da Educause apontam consistentemente que a confiabilidade e a facilidade de uso são os fatores mais importantes para a satisfação de alunos e professores com um LMS (Educause Horizon Report, 2023). Plataformas mais modernas, nativas em nuvem, como o Canvas, utilizam essa estabilidade como um forte diferencial competitivo.
-
A Tendência de "Consumerização": Usuários esperam que o software educacional tenha a mesma qualidade de design e experiência de aplicativos de consumo (e.g., Spotify, Netflix). A expectativa por interfaces limpas, personalizadas e intuitivas é uma tendência de mercado que plataformas mais antigas têm dificuldade em acompanhar (Beyond Functionality: How Consumerization of Enterprise UX is Revolutionizing Work).
-
Ecossistemas Integrados: A direção do mercado aponta para a criação de plataformas que servem como um "hub" central na vida do estudante, integrando-se a outras ferramentas (agendas, ferramentas de anotação) e oferecendo uma visão holística da jornada acadêmica, algo que sistemas tradicionais raramente oferecem de forma nativa.
Com base na análise, a demanda para o novo sistema é estruturada em três esferas de atuação:
-
Problemas (Fundamentais): Questões centrais que afetam a usabilidade e a funcionalidade do sistema e que devem ser solucionadas na fundação do novo produto.
- Design Defasado e Inconsistente: A necessidade de uma interface de usuário (UI) moderna, intuitiva e padronizada.
- Responsividade Deficiente: O requisito de que a plataforma seja totalmente funcional em dispositivos móveis (mobile-first).
- Indisponibilidade e Instabilidade: Embora seja um desafio de arquitetura complexo, o projeto deve ser concebido sobre uma arquitetura que priorize a escalabilidade e a confiabilidade.
-
Melhorias (Incrementais): Funcionalidades que aprimoram processos existentes, gerando ganhos de eficiência para o usuário.
- Ferramenta de Busca Difusa (Fuzzy Search): Implementação de um sistema de busca avançado que permita encontrar termos dentro do conteúdo de documentos (PDFs, slides), mesmo com pequenas variações ou erros de digitação.
- Integração com Ecossistema de Ferramentas: Capacidade de integrar-se com ferramentas externas populares entre estudantes, como Google Calendar (para sincronizar prazos) e Notion.
-
Inovações (Diferenciais): Novas funcionalidades que expandem o propósito do LMS e criam um valor único para o produto.
- Sistema de Recomendação de Oportunidades:
- Perfil de Interesses do Aluno: Área para o aluno cadastrar suas habilidades e interesses através de tags.
- Cadastro de Oportunidades: Formulário para cadastro de oportunidades, também utilizando tags.
- Algoritmo de Recomendação (Content-Based): Implementação inicial do motor que cruza as tags do perfil do aluno com as das oportunidades para gerar um feed personalizado.
- Sistema de Recomendação de Oportunidades:
As seguintes funcionalidades, embora importantes, serão planejadas para fases futuras do projeto:
-
Ferramenta de Busca Difusa (Fuzzy Search): Sistema de busca avançado para encontrar termos dentro do conteúdo dos documentos.
-
Integração com APIs de ferramentas externas (Google Calendar, Notion).
| ID | Requisito Funcional | Prioridade |
|---|---|---|
| USU-RF1 | O sistema deve permitir criar, editar e remover usuários | Alta |
| USU-RF2 | O sistema deve permitir listar usuários com paginação e filtros básicos | Média |
| USU-RF3 | O sistema deve permitir vincular usuários a disciplinas (roles: aluno/professor) | Média |
| ID | Requisito Funcional | Prioridade |
|---|---|---|
| AUTH-RF1 | O sistema deve autenticar usuários via e-mail mackenzista e senha | Alta |
| AUTH-RF2 | O sistema deve permitir logout | Alta |
| AUTH-RF3 | O sistema deve aplicar controle de acesso baseado em roles (middleware na API) | Baixo |
| ID | Requisito Funcional | Prioridade |
|---|---|---|
| DISC-RF1 | O sistema deve permitir criar, editar e remover disciplinas | Alta |
| DISC-RF2 | O sistema deve permitir listar disciplinas com paginação | Alta |
| DISC-RF3 | O sistema deve permitir upload/download de documentos | Média |
| DISC-RF4 | O sistema deve permitir acessar os detalhes de uma disciplina | Baixo |
| ID | Requisito Funcional | Prioridade |
|---|---|---|
| FILE-RF1 | O sistema deve permitir upload de arquivos (PDF, slides, vídeo) | Alta |
| FILE-RF2 | O sistema deve permitir download de arquivos | Média |
| FILE-RF3 | O sistema deve permitir listar arquivos com metadados | Baixo |
| FILE-RF4 | O sistema deve permitir excluir arquivos | Baixo |
| ID | Requisito Funcional | Prioridade |
|---|---|---|
| OPP-RF1 | O sistema deve permitir cadastrar oportunidades (estágio, complementar, extensão) | Alta |
| OPP-RF2 | O sistema deve permitir listar e filtrar oportunidades | Alta |
| OPP-RF4 | O sistema deve suportar um motor de recomendações (content-based filtering) | Média |
| ID | Categoria | Requisito Não Funcional | Critério / Métrica | Prioridade |
|---|---|---|---|---|
| SEC-NF2 | Segurança | Armazenamento seguro de dados sensíveis | Senhas com hashing seguro e salting (bcrypt ou Argon2) | Alta |
| SEC-NF3 | Segurança | Controle de acesso | RBAC (Controle de Acesso Baseado em Função) aplicado nas APIs e aplicação web | Média |
| PERF-NF1 | Desempenho | Latência de API | 95% das respostas < 200 ms sob cenário de carga | Alta |
| PERF-NF2 | Desempenho | Upload de arquivos | Suportar uploads até 10 MB no MVP | Média |
| MON-NF1 | Monitoramento | Logs | Logs de autenticação/erros com retenção de 30 dias | Baixa |
| USAB-NF1 | Usabilidade e Acessibilidade | Responsividade e compatibilidade | Mobile-first; suportar navegadores modernos | Alta |
| USAB-NF2 | Usabilidade e Acessibilidade | Acessibilidade | Avaliação heurística e correções críticas; meta: WCAG 2.1 AA em iterações futuras | Baixa |
Para acessar o protótipo clique aqui.
Para essa aplicação, decidimos utilizar uma interface interativa invés do wireframe para demonstrar como os componentes e outros elementos podem ser utilizados pelo usuário e, acima de tudo, como essa nova proposta contrasta com os outros sistemas de aprendizado disponibilizados no mercado. Com isso, pretendemos demonstrar logo no início os nossos objetivos com esse projeto e quais funções farão a diferença no dia a dia dos usuários.
Aluno:
- Fazer sign-in e sign-up (e-mail mackenzista e senha)
- Acessar disciplinas
- Cadastrar oportunidade (estágio, complementar e extensão)
- Feed de recomendações de oportunidades
(Opcional)
- Busca difusa (fuzzy search) em documentos
- Baixar documentos
Professor:
- Fazer upload de documentos (PDFs, slides, vídeos), com metadados (título, descrição, tags)
- Cadastrar oportunidade (estágio, complementar e extensão)
Administrador:
- Gerenciar usuários (criar, editar, remover)
- Gerenciar disciplinas (criar, editar, remover)
- Vincular professores e alunos às disciplinas
Legenda:
- Frontend: Next.js 15 e Tailwind CSS
- Backend: Java 21 com Spring
- Banco de Dados: MongoDB e MongoDB GridFS
- Cloud: AWS + Docker
- CI/CD: GitHub Actions
name: Frontend CI/CD
on:
push:
branches:
- master
paths:
- 'web/**'
pull_request:
branches:
- master
paths:
- 'web/**'
env:
AWS_REGION: ${{ secrets.AWS_REGION }}
ECR_REGISTRY: ${{ secrets.AWS_ACCOUNT_ID }}.dkr.ecr.${{ secrets.AWS_REGION }}.amazonaws.com
ECR_REPOSITORY: ${{ secrets.ECR_REPOSITORY_WEB }}
ECS_CLUSTER: ${{ secrets.ECS_CLUSTER_WEB }}
ECS_SERVICE: ${{ secrets.ECS_SERVICE_WEB }}
ECS_TASK_DEFINITION_PATH: web/ecs-task-definition.json
CONTAINER_NAME: web-app
jobs:
build:
runs-on: ubuntu-latest
permissions:
contents: read
id-token: write
steps:
- name: Checkout Code
uses: actions/checkout@v4
- name: Setup Node.js 20
uses: actions/setup-node@v4
with:
node-version: '20'
cache: 'npm'
cache-dependency-path: web/package-lock.json
- name: Install Dependencies
run: npm ci
working-directory: ./web
- name: Build Next.js Project
run: npm run build
working-directory: ./web
- name: Configure AWS Credentials
uses: aws-actions/configure-aws-credentials@v4
with:
aws-access-key-id: ${{ secrets.AWS_ACCESS_KEY_ID }}
aws-secret-access-key: ${{ secrets.AWS_SECRET_ACCESS_KEY }}
aws-region: ${{ env.AWS_REGION }}
- name: Login to Amazon ECR
id: login-ecr
uses: aws-actions/amazon-ecr-login@v2
- name: Build and Push Docker Image to ECR
uses: docker/build-push-action@v5
with:
context: ./web
push: true
tags: ${{ env.ECR_REGISTRY }}/${{ env.ECR_REPOSITORY }}:${{ github.sha }}
cache-from: type=gha
cache-to: type=gha,mode=max
deploy:
needs: build
runs-on: ubuntu-latest
environment: Production
if: github.ref == 'refs/heads/master'
steps:
- name: Checkout Code
uses: actions/checkout@v4
- name: Configure AWS Credentials
uses: aws-actions/configure-aws-credentials@v4
with:
aws-access-key-id: ${{ secrets.AWS_ACCESS_KEY_ID }}
aws-secret-access-key: ${{ secrets.AWS_SECRET_ACCESS_KEY }}
aws-region: ${{ env.AWS_REGION }}
- name: Render ECS Task Definition
id: render-task
uses: aws-actions/amazon-ecs-render-task-definition@v1
with:
task-definition: ${{ env.ECS_TASK_DEFINITION_PATH }}
container-name: ${{ env.CONTAINER_NAME }}
image: ${{ env.ECR_REGISTRY }}/${{ env.ECR_REPOSITORY }}:${{ github.sha }}
- name: Deploy to ECS Service
uses: aws-actions/amazon-ecs-deploy-task-definition@v1
with:
task-definition: ${{ steps.render-task.outputs.task-definition }}
service: ${{ env.ECS_SERVICE }}
cluster: ${{ env.ECS_CLUSTER }}
wait-for-service-stability: truename: Backend CI/CD
on:
push:
branches:
- master
paths:
- 'backend/**'
pull_request:
branches:
- master
paths:
- 'backend/**'
env:
AWS_REGION: ${{ secrets.AWS_REGION }}
ECR_REGISTRY: ${{ secrets.AWS_ACCOUNT_ID }}.dkr.ecr.${{ secrets.AWS_REGION }}.amazonaws.com
ECR_REPOSITORY: ${{ secrets.ECR_REPOSITORY_BACKEND }}
ECS_CLUSTER: ${{ secrets.ECS_CLUSTER_BACKEND }}
ECS_SERVICE: ${{ secrets.ECS_SERVICE_BACKEND }}
ECS_TASK_DEFINITION_PATH: backend/ecs-task-definition.json
CONTAINER_NAME: backend-app
jobs:
build_and_push:
runs-on: ubuntu-latest
permissions:
contents: read
id-token: write
steps:
- name: Checkout Code
uses: actions/checkout@v4
- name: Setup Java 21
uses: actions/setup-java@v4
with:
distribution: 'zulu'
java-version: '21'
- name: Configure Maven Cache
uses: actions/cache@v4
with:
path: ~/.m2
key: ${{ runner.os }}-maven-${{ hashFiles('**/pom.xml') }}
restore-keys: |
${{ runner.os }}-maven-
- name: Build Spring Boot Project (Maven)
run: mvn -B package --file backend/pom.xml -DskipTests
- name: Configure AWS Credentials
uses: aws-actions/configure-aws-credentials@v4
with:
aws-access-key-id: ${{ secrets.AWS_ACCESS_KEY_ID }}
aws-secret-access-key: ${{ secrets.AWS_SECRET_ACCESS_KEY }}
aws-region: ${{ env.AWS_REGION }}
- name: Login to Amazon ECR
id: login-ecr
uses: aws-actions/amazon-ecr-login@v2
- name: Build and Push Docker Image to ECR
uses: docker/build-push-action@v5
with:
context: ./backend
push: true
tags: ${{ env.ECR_REGISTRY }}/${{ env.ECR_REPOSITORY }}:${{ github.sha }}
cache-from: type=gha
cache-to: type=gha,mode=max
deploy:
needs: build_and_push
runs-on: ubuntu-latest
environment: Production
if: github.ref == 'refs/heads/master'
steps:
- name: Checkout Code
uses: actions/checkout@v4
- name: Configure AWS Credentials
uses: aws-actions/configure-aws-credentials@v4
with:
aws-access-key-id: ${{ secrets.AWS_ACCESS_KEY_ID }}
aws-secret-access-key: ${{ secrets.AWS_SECRET_ACCESS_KEY }}
aws-region: ${{ env.AWS_REGION }}
- name: Render ECS Task Definition
id: render-task
uses: aws-actions/amazon-ecs-render-task-definition@v1
with:
task-definition: ${{ env.ECS_TASK_DEFINITION_PATH }}
container-name: ${{ env.CONTAINER_NAME }}
image: ${{ env.ECR_REGISTRY }}/${{ env.ECR_REPOSITORY }}:${{ github.sha }}
- name: Deploy to ECS Service
uses: aws-actions/amazon-ecs-deploy-task-definition@v1
with:
task-definition: ${{ steps.render-task.outputs.task-definition }}
service: ${{ env.ECS_SERVICE }}
cluster: ${{ env.ECS_CLUSTER }}
wait-for-service-stability: true