Este estudo propõe um design experimental inovador para investigar a interseção crítica entre a eficiência computacional de assistentes de Inteligência Artificial (IA) e a carga cognitiva (CL) imposta ao usuário. O problema central reside no balanço entre a fidelidade de Grandes Modelos de Raciocínio (LRMs) e sua acessibilidade, onde modelos de alta performance são computacionalmente caros e modelos comprimidos (quantizados) podem degradar a experiência do usuário. O objetivo é avaliar empiricamente como a fidelidade do modelo (Q4 vs. Q8) e a complexidade da interação (agente único vs. multiagente) afetam a CL e o desempenho de aprendizes (N=40) com diferentes níveis de expertise.
Avenida República do Líbano, 251 - Pina, Recife - PE - CEP: 51110-160