Como referenciar este texto: ‘Zinebot: Assistente de recomendação com inteligência artificial para o MakerZine’. Rodrigo Terra. Publicado em: 17/07/2025. Link da postagem: https://www.makerzine.com.br/dados/zinebot-assistente-de-recomendacao-com-inteligencia-artificial-para-o-makerzine/.
Conteúdos que você verá nesta postagem
O Zinebot é um assistente inteligente desenvolvido para facilitar a navegação e descoberta de conteúdos no MakerZine, uma plataforma focada em educação, tecnologia e inovação pedagógica. Utilizando algoritmos de inteligência artificial, o Zinebot oferece recomendações personalizadas com base no interesse do usuário, tornando a experiência de busca mais fluida, precisa e relevante.
Com o crescimento contínuo do acervo de postagens e recursos educacionais disponíveis no MakerZine, surgiu a necessidade de criar um sistema que otimizasse a interação dos leitores com esse conteúdo. Muitos visitantes acessam a plataforma com temas específicos em mente, mas nem sempre conseguem localizar facilmente as postagens mais adequadas ou atualizadas — especialmente quando lidam com termos variados ou pouco estruturados.
Diante desse cenário, o Zinebot foi concebido como uma ferramenta de curadoria automatizada, capaz de compreender o que o usuário está buscando e sugerir, em tempo real, os materiais mais alinhados a esse interesse. O projeto combina leveza técnica com inteligência algorítmica, reforçando o compromisso do MakerZine com uma educação conectada às necessidades reais de seus leitores.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
Motivação e objetivos do projeto
O MakerZine sempre teve como missão oferecer conteúdos educativos de qualidade, com foco em metodologias ativas, tecnologias aplicadas à educação e práticas pedagógicas inovadoras. Com o tempo, o volume de artigos, desafios, planos de aula e textos técnicos cresceu significativamente, tornando evidente a necessidade de um sistema capaz de organizar e recomendar esses materiais de maneira personalizada e eficaz.
A motivação para criar o Zinebot surgiu da observação direta do comportamento dos usuários: muitos acessavam o site com um tema em mente, mas não conseguiam encontrar conteúdos relevantes com facilidade. Além disso, educadores, estudantes e desenvolvedores pedagógicos frequentemente buscavam por soluções rápidas e contextualizadas — algo que nem sempre era atendido por sistemas de busca convencionais.
Diante disso, o principal objetivo do Zinebot é oferecer uma experiência de navegação orientada por inteligência artificial, que permita ao usuário descobrir conteúdos que dialoguem com seus interesses, mesmo que não haja uma correspondência exata nas palavras-chave digitadas. A proposta vai além da busca tradicional: trata-se de um sistema de recomendação capaz de sugerir conteúdos correlatos, relevantes e oportunos — funcionando como um verdadeiro curador educacional automatizado.
Em resumo, o Zinebot foi idealizado para:
Aumentar a acessibilidade e visibilidade dos conteúdos do MakerZine;
Oferecer recomendações inteligentes baseadas em similaridade semântica;
Reduzir o tempo de busca por materiais relevantes;
Apoiar processos educativos por meio da personalização da experiência do usuário.
Tecnologias utilizadas
O desenvolvimento do Zinebot foi guiado por princípios de eficiência, leveza e escalabilidade, com foco em ferramentas de código aberto e de fácil integração com a estrutura já existente no MakerZine. Abaixo estão as principais tecnologias utilizadas no projeto:
Python
Linguagem principal utilizada na construção da API e no treinamento do modelo de recomendação. Sua versatilidade e vasto ecossistema de bibliotecas tornaram possível o desenvolvimento ágil e eficaz da solução.
FastAPI
Framework leve e moderno para construção da API, escolhido por sua velocidade, simplicidade e excelente suporte a tipagem, documentação automática e alta performance em aplicações assíncronas.
Scikit-learn (sklearn)
Biblioteca de aprendizado de máquina usada para aplicar técnicas de vetorização (TF-IDF) e treinar o modelo de recomendação baseado em vizinhos mais próximos (KNN).
Pandas
Utilizada para manipulação e organização dos dados dos posts, facilitando a limpeza, transformação e exportação dos dados em formato .csv.
HTML, CSS e JavaScript (Vanilla)
A interface do usuário do Zinebot foi construída de forma responsiva e leve, utilizando apenas HTML, CSS e JavaScript puro, sem frameworks pesados. O foco foi garantir compatibilidade ampla, desempenho otimizado e rápida experiência de uso.
WordPress REST API
O conteúdo do MakerZine é extraído automaticamente via a API REST nativa do WordPress, garantindo que o Zinebot esteja sempre sincronizado com os posts mais recentes do site, sem necessidade de intervenções manuais.
Hospedagem com Uvicorn + NGINX
O servidor FastAPI roda com o Uvicorn como servidor ASGI, em conjunto com o NGINX, que atua como proxy reverso e garante estabilidade, escalabilidade e segurança no ambiente de produção.
Systemd (Linux)
O serviço do Zinebot é mantido ativo continuamente com uso do systemd, o que garante que ele seja reiniciado automaticamente em caso de falhas ou após reinicializações da máquina, mantendo a disponibilidade constante do sistema de recomendação.
Essas escolhas técnicas permitiram um desenvolvimento acessível, com baixo custo operacional, ótima performance e fácil manutenção — respeitando as premissas de um projeto educacional sustentável e aberto à evolução contínua.
Estrutura do algoritmo de recomendação
O Zinebot foi projetado para oferecer sugestões relevantes de conteúdo educacional com base no interesse do usuário. Para isso, utiliza um algoritmo simples, mas eficaz, baseado em técnicas de recuperação de informação e aprendizado de máquina. A seguir, explicamos sua estrutura em etapas:
Extração de dados via WordPress REST API
O sistema realiza requisições periódicas à API pública do site MakerZine, obtendo os títulos e identificadores dos posts publicados. Os dados são organizados em uma estrutura tabular (DataFrame) e salvos localmente em um arquivo conteudos.csv, garantindo rapidez nas consultas e atualizações.
Vetorização com TF-IDF (Term Frequency–Inverse Document Frequency)
Cada título de postagem é transformado em um vetor numérico utilizando a técnica de TF-IDF, que quantifica a relevância de cada termo em relação ao conjunto total de textos. Essa abordagem permite capturar a importância semântica das palavras e evita que termos genéricos dominem os resultados.
Treinamento com K-Nearest Neighbors (KNN)
Com os vetores TF-IDF em mãos, o sistema treina um modelo de vizinhos mais próximos utilizando a métrica de similaridade do cosseno. Esse modelo identifica os posts mais semelhantes ao texto digitado pelo usuário, mesmo que ele não coincida exatamente com os termos de um título existente.
Consulta e retorno das recomendações
Ao receber uma busca, o sistema transforma o termo em vetor TF-IDF e consulta os vizinhos mais próximos. Os cinco conteúdos mais semelhantes são retornados como recomendação. Caso nenhum conteúdo relevante seja encontrado, o frontend exibe uma mensagem personalizada, sinalizando ao usuário que os resultados podem não ser ideais, mas ainda assim úteis para exploração.
Personalização leve baseada na quantidade de correspondências
Para aprimorar a experiência do usuário, o frontend ajusta dinamicamente o texto introdutório às recomendações. Por exemplo, se poucos resultados forem retornados, uma mensagem amigável sugere que o conteúdo ainda pode ser útil, mesmo que não seja uma correspondência exata.
Essa arquitetura é facilmente extensível. No futuro, o Zinebot poderá incorporar embeddings semânticos, histórico de navegação do usuário (respeitando diretrizes de privacidade) e refinamentos contextuais para uma recomendação ainda mais precisa e personalizada.
Interface e experiência do usuário
Desde o início, a interface do Zinebot foi projetada com foco em clareza, leveza e acessibilidade, respeitando o perfil do público do MakerZine: educadores, estudantes e entusiastas da tecnologia educacional.
Design responsivo e minimalista
A interface foi desenvolvida utilizando apenas HTML, CSS e JavaScript puro (Vanilla JS), o que garante carregamento rápido e compatibilidade com a maioria dos navegadores modernos e dispositivos móveis. A estrutura é clara: um campo de busca, um botão de envio e um espaço dedicado para exibição das recomendações, tudo com espaçamento e hierarquia visual bem definidos.
Mensagens dinâmicas e empáticas
A experiência do usuário não se limita à estética: o Zinebot responde dinamicamente ao contexto da busca. Quando o sistema identifica que as recomendações têm baixa correspondência com o termo digitado, exibe uma mensagem como:
“Não encontramos exatamente o que você procura, mas que tal explorar esses conteúdos?”
Esse tipo de feedback humaniza a interação e contribui para que o usuário não se frustre diante da ausência de resultados diretos.
Feedback em tempo real com carregamento animado
Durante a consulta à API, um indicador de carregamento (spinner) é exibido, informando que as recomendações estão sendo geradas. Esse feedback visual evita incertezas e melhora a percepção de desempenho.
Apresentação visual dos resultados
As recomendações são exibidas em formato de cards organizados visualmente, com:
Título clicável, levando diretamente à postagem no MakerZine;
Layout adaptável que organiza os resultados em colunas ou linhas conforme o tamanho da tela.
Mensagens de erro e acessibilidade
Em caso de falha na comunicação com a API, o sistema informa ao usuário de forma clara que ocorreu um erro, sugerindo que tente novamente mais tarde. Além disso, toda a interface é construída com foco em acessibilidade, permitindo navegação por teclado e uso de leitores de tela.
O objetivo final da interface do Zinebot é ser intuitiva o suficiente para que qualquer pessoa consiga encontrar conteúdos relevantes em poucos segundos, mesmo sem conhecimento técnico.
Automatizações e infraestrutura
Para garantir a eficiência do Zinebot e a atualização constante das recomendações, o sistema foi estruturado com base em princípios de automação, modularidade e desempenho, utilizando recursos acessíveis e de baixo custo.
Coleta automatizada de dados
A base de dados utilizada pelo Zinebot é extraída diretamente do site do MakerZine por meio da API pública do WordPress (WP REST API). Um script em Python coleta os títulos e IDs de todas as postagens publicadas, salvando essas informações em um arquivo local (conteudos.csv). Essa coleta é feita em blocos paginados, com controle de erro por status code para garantir a estabilidade mesmo em conexões intermitentes.
Agendamento periódico com systemd
Para manter o sistema atualizado sem necessidade de intervenção manual, foi criado um serviço automatizado utilizando o systemd, que executa o script de coleta a cada 2 horas. Isso garante que novos conteúdos adicionados ao MakerZine passem rapidamente a integrar o sistema de recomendação, sem sobrecarregar o servidor.
Servidor com Gunicorn + FastAPI
A API que realiza as recomendações roda em uma aplicação Python baseada no framework FastAPI, servida por um worker Gunicorn com o UvicornWorker como backend assíncrono. Isso oferece desempenho otimizado, baixa latência e escalabilidade, mesmo em servidores com recursos limitados.
Serviço persistente e monitorado
O serviço zinebot.service, gerenciado pelo systemd, garante que a API do Zinebot seja iniciada automaticamente no boot da máquina e reiniciada em caso de falhas inesperadas. Isso proporciona maior confiabilidade e disponibilidade, minimizando períodos de inatividade.
Separação entre backend e frontend
A API de recomendação opera em um subdomínio próprio (api.makerzine.com.br), enquanto a interface visual reside no domínio principal. Essa separação entre backend e frontend permite manutenções independentes, facilita a escalabilidade futura e melhora a segurança da aplicação.
A combinação entre scripts automatizados, infraestrutura enxuta e serviços robustos foi essencial para manter o Zinebot leve, confiável e alinhado com as necessidades de um projeto educacional em constante expansão.
Próximos passos e melhorias previstas
O Zinebot já está funcional e integrado ao MakerZine, oferecendo uma experiência de recomendação personalizada baseada em inteligência artificial. No entanto, o projeto segue em constante evolução, com diversas melhorias planejadas para ampliar sua precisão, usabilidade e impacto educacional.
1. Aprimoramento do algoritmo de recomendação
Atualmente, o sistema utiliza a técnica de bag of words com vetorização via TF-IDF, o que garante resultados relevantes em muitos casos. No entanto, há limitações quando os termos buscados não aparecem diretamente nos títulos dos posts. Para solucionar esse desafio, está em desenvolvimento uma nova versão do algoritmo, baseada em embeddings semânticos (como o SBERT), que permitirá compreender o significado dos textos e sugerir conteúdos relacionados mesmo com termos indiretamente conectados.
2. Detecção de baixa relevância nas recomendações
Em situações onde o sistema não encontra conteúdos diretamente associados ao termo buscado, a interface já foi ajustada para informar o usuário e sugerir alternativas de maneira contextualizada. A próxima etapa é melhorar essa análise com base em uma pontuação de similaridade, filtrando recomendações com baixa relevância e oferecendo apenas aquelas acima de um determinado limiar, garantindo mais precisão.
3. Inclusão de conteúdo adicional nos resultados
Está prevista a expansão das informações exibidas nos cards de recomendação, incluindo trechos do resumo do post, tags associadas e imagem destacada. Isso facilitará a escolha por parte do usuário e tornará a interface mais atrativa e funcional.
4. Personalização e histórico de busca
Em fases futuras, o Zinebot poderá armazenar preferências anônimas dos usuários ou interações anteriores para sugerir conteúdos de forma ainda mais personalizada. Essa funcionalidade dependerá de um cuidado especial com privacidade e dados sensíveis, respeitando os princípios de transparência e ética no uso de IA.
5. Integração com áreas específicas do MakerZine
Além do blog, o Zinebot poderá ser utilizado em outras áreas da plataforma, como cursos online, planos de aula, projetos interdisciplinares ou desafios maker. Isso permitirá que os usuários encontrem rapidamente conteúdos complementares dentro do ecossistema educacional da plataforma.
6. Acessibilidade e tradução automática
Com o crescimento da audiência internacional do MakerZine, está prevista a implementação de mecanismos de tradução automática das recomendações e suporte multilíngue, permitindo que o Zinebot atenda educadores de diferentes regiões com a mesma eficiência.
Essas melhorias estão sendo desenvolvidas de forma iterativa e com base no feedback direto dos usuários da plataforma. O objetivo é consolidar o Zinebot como um assistente educacional inteligente, dinâmico e sensível às reais demandas de quem busca inovação no processo de ensino e aprendizagem.
Conclusão e convite à experimentação
O Zinebot é mais do que uma ferramenta tecnológica: é um exemplo concreto de como a inteligência artificial pode ser aplicada com propósito pedagógico, ampliando o acesso ao conhecimento e promovendo a descoberta ativa de conteúdos educacionais relevantes. Ao integrar técnicas modernas de processamento de linguagem natural com uma curadoria automatizada e inteligente, o Zinebot fortalece o compromisso do MakerZine com a inovação, a personalização e a democratização do saber.
Sua arquitetura simples, baseada em tecnologias abertas e acessíveis, torna o projeto replicável e inspirador para outras iniciativas que busquem unir educação e tecnologia de forma prática, ética e criativa. Ao mesmo tempo, sua constante evolução demonstra o valor de soluções que nascem com foco no usuário, adaptando-se a seus interesses, desafios e contextos.
Convidamos todos os educadores, estudantes, pesquisadores e curiosos da área a experimentar o Zinebot diretamente no site do MakerZine. Digite um tema de interesse, explore as recomendações e descubra novos caminhos para aprender, ensinar e inovar. O Zinebot está pronto para ajudar você a encontrar o que ainda nem sabia que procurava.
Se você acha que este conteúdo pode ser útil para alguém, compartilhe!
Ao divulgar os textos do MakerZine, você contribui para que todo o material continue acessível e gratuito para todas as pessoas.
