sallzzbr

analise-de-aula

"Analyze a lesson (transcript + docx) and produce a pedagogical diagnostic. Use when evaluating source material before transforming it into a Mimyr mini-course module — analisar uma aula, diagnóstico pedagógico de uma unidade."

sallzzbr 0 Updated 1mo ago
GitHub

Install

npx skillscat add sallzzbr/hefesto-publico/analise-de-aula

Install via the SkillsCat registry.

SKILL.md

Análise de Aula

Os paths de workspace citados abaixo (./courses/, ./personas/, ./templates/, ./diagnostics/, ./transcriptions/) resolvem pela regra única do plugin (../gerar-curso/references/defaults.md: CLAUDE.md do workspace → defaults local_* → convenção descoberta no cwd → default documentado) e são ilustrativos do default, não hardcode.

Analyze a teaching unit by cross-referencing its written content (.docx) with its video transcript to produce a pedagogical diagnostic.

Skills externas (bragir)

Esta skill consome o plugin bragir (mesmo marketplace):

  • bragir:gerenciar-personas — se a análise de adequação às personas não encontrar ./personas/, ofereça invocar bragir:gerenciar-personas antes de seguir. Se ./courses/<curso>/personas.md não existir, registre no diagnóstico que o manifesto de personas do curso ficou pendente.

Input

The user will provide:

  1. A .docx file (e-book/unit content)
  2. A transcript .md file (video lecture)
  3. The target course slug (<curso>)
  4. Optional supporting files: video script, quiz questions, references

Read all provided files before writing the diagnostic. For transcript evidence, preserve useful timestamps.

Se a fonte ainda estiver em vídeo ou docx bruto, os scripts do plugin preparam o material
(requerem o venv do workspace — bootstrap no README do plugin; transcrição usa
requirements-transcricao.txt e ffmpeg):

  • python ${CLAUDE_PLUGIN_ROOT}/scripts/extract_docx.py <arquivo.docx> — extrai o texto do docx (sem deps);
  • python ${CLAUDE_PLUGIN_ROOT}/scripts/extrair_audio.py <video> — extrai áudio 16kHz mono WAV;
  • python ${CLAUDE_PLUGIN_ROOT}/scripts/transcrever.py <audio> — transcreve com Whisper local, gerando .md com timestamps.

Before analysis

Read:

  1. ./courses/<curso>/personas.md — personas-alvo do curso
  2. Referenced files in ./personas/
  3. Existing diagnostics in ./diagnostics/ for tone and depth conventions

If personas are missing, continue only after noting the limitation or after bragir:gerenciar-personas creates the missing persona files.

Analysis framework

Evaluate across these dimensions:

  1. Objetivos de aprendizagem — implicit/explicit objectives, clarity, measurability, fit for a 5-7 min reading experience.
  2. Coerência conteúdo ↔ vídeo — overlap, gaps, contradictions, places where the video adds cases or demonstrations.
  3. Conteúdo desatualizado — deprecated tools, old statistics, hype topics, or weak current relevance.
  4. Gaps pedagógicos — missing prerequisites, unexplained jargon, jumps in difficulty.
  5. Oportunidades de melhoria — stronger analogies, exercises, examples, splits, and cross-references.
  6. Adequação às personas — whether primary personas' fears, depth needs, vocabulary, and exercises are respected.
  7. Mapeamento para micro-módulos/capítulos — candidate pages, hooks, examples, exercises, and source evidence for each.

Evidence standard

  • Cite concrete source evidence under Evidências usadas.
  • Include transcript timestamps when available.
  • Quote only short excerpts; paraphrase the rest.
  • Separate evidence from recommendation: first what source says, then what Mimyr should do with it.

Output

Write the diagnostic to ./diagnostics/<slug-da-unidade>.md.

Use this structure:

# Diagnóstico — [Unit Name]

## Resumo

## Evidências usadas
- [docx] ...
- [transcript 00:00:00] ...

## Objetivos de aprendizagem
## Coerência conteúdo ↔ vídeo
## Conteúdo desatualizado
## Gaps pedagógicos
## Oportunidades de melhoria
## Adequação às personas
## Mapeamento para micro-módulos

### Recomendações prioritárias
1. ...
2. ...
3. ...