RFC: P26-001 - Motor¶

Metadados¶

Atribulo	Valor
Código	P26-001
Título	Motor
Versão	1.0
Objetivo	Este documento tem como objetivo propor a modernização do motor do sistema de medição da Learn to Fly
RFCs relacionadas
Status	1. [X]`Proposta` 2. []`Em Análise` 3. []`Aprovada e em refinamento` 4. []`Em Desenvolvimento` 5. []`Implementada`
Autor	William Lima Pereira
Revisores	Syval Peres Junior Maciel
Data de Criação	01/03/2024

Sumário¶

Introdução
Problemas a ser resolvido
- Problemas Atuais
- Dependência de Ferramentas Externas
Aprofundamento

Introdução¶

O motor é a peça central do sistema de medição. Ele é responsável por coletar, processar e exibir os dados de medição. O motor é composto por uma série de componentes que trabalham juntos para fornecer uma experiência de medição eficiente e eficaz.

../images/p26-001.drawio

Problemas Atuais¶

Com o sistema atual, a Learn to Fly enfrenta vários problemas. O sistema tornou-se muito complexo e difícil de gerir. Isso resulta em ineficiências e atrasos na coleta, processamento e exibição de dados de medição. Há uma necessidade urgente de um motor mais conciso e eficiente que possa lidar com as demandas do sistema de medição.

Problemas de Complexidade¶

Ao longo do tempo, muitos sistemas de software tendem a se tornar mais complexos. Isso pode ser causado por vários fatores, como adição de novos recursos, mudanças nos requisitos, falta de manutenção adequada, entre outros. Alguns exemplos de sistemas que podem se tornar complexos são:

Sistemas de gerenciamento de banco de dados: À medida que mais dados são adicionados e mais funcionalidades são implementadas, a estrutura e a lógica do banco de dados podem se tornar complicadas e difíceis de gerenciar.
Sistemas de controle de versão: Conforme mais desenvolvedores trabalham em um projeto e mais ramificações são criadas, a complexidade do controle de versão pode aumentar, especialmente quando há conflitos de mesclagem e problemas de integração.
Sistemas de processamento de dados em larga escala: À medida que a quantidade de dados a serem processados aumenta, a complexidade do sistema de processamento de dados também pode aumentar, exigindo algoritmos mais sofisticados e estruturas de dados mais complexas.

A curva de complexidade ao longo do tempo de um software geralmente segue um padrão ascendente. Inicialmente, o software pode ser relativamente simples, mas à medida que mais funcionalidades são adicionadas e o sistema cresce, a complexidade aumenta. É importante gerenciar e mitigar a complexidade do software por meio de boas práticas de design, refatoração e manutenção contínua.

Sistema de trilhas mentoria/autoconhecimento¶

O sistema de trilhas mentoria/autoconhecimento da Learn to Fly permite que os usuários sigam uma linha de raciocínio estruturada, composta por trilhas, sessão e tópicos. Cada tópico contém atividades que são realizadas durante o curso. Essas trilhas são executadas e liberadas no padrão de conteúdo, garantindo uma experiência de aprendizado consistente.

Aqui estão alguns exemplos de tópicos que podem ser encontrados no sistema de trilhas mentoria/autoconhecimento:

Temáticas do sistema de trilhas mentoria/autoconhecimento¶

Trilhas de autoconhecimento: Essas trilhas ajudam os usuários a descobrir mais sobre si mesmos, suas habilidades e interesses. Elas podem incluir atividades como testes de personalidade, questionários de autoavaliação e exercícios de reflexão.

Dependência de Ferramentas Externas¶

Atualmente, a Learn to Fly (LTF) utiliza o Typeform como uma ferramenta externa para permitir que os usuários preencham pesquisas. Após o preenchimento dessas pesquisas, o sistema recebe as respostas por meio de um Webhook.

Um exemplo de como isso funciona é o seguinte:

A LTF cria um formulário de pesquisa no Typeform, com perguntas relevantes para coletar informações dos usuários.
Os usuários acessam o formulário e preenchem as respostas.
Após o preenchimento, o Typeform envia uma notificação para o sistema da LTF por meio de um Webhook.
O sistema da LTF recebe as respostas e as processa de acordo com as necessidades do negócio.

Essa dependência de ferramentas externas, como o Typeform, permite que a LTF colete dados de forma eficiente e automatizada, facilitando a análise e tomada de decisões com base nessas informações.

Problemas com a Dependência de Ferramentas Externas¶

Typeform¶

O Typeform é uma ferramenta externa utilizada pela Learn to Fly (LTF) para permitir que os usuários preencham pesquisas. Essa integração permite que a LTF colete dados de forma eficiente e automatizada, facilitando a análise e tomada de decisões com base nessas informações.

Como funciona¶

A LTF cria um formulário de pesquisa no Typeform, com perguntas relevantes para coletar informações dos usuários.
Os usuários acessam o formulário e preenchem as respostas.
Após o preenchimento, o Typeform envia uma notificação para o sistema da LTF por meio de um Webhook.
O sistema da LTF recebe as respostas e as processa de acordo com as necessidades do negócio.

A dependência do Typeform permite que a LTF tenha uma maneira eficiente de coletar dados e facilita a análise e tomada de decisões com base nessas informações.

Problemas de validação semantica¶

A validação semântica é um processo que verifica se os dados inseridos em um formulário seguem as regras e restrições definidas para esses dados. Isso pode incluir a verificação de campos obrigatórios, formatos de dados corretos, valores dentro de faixas aceitáveis, entre outros.

Além disso, principalmente, validações de registros que estão na base de dados, não é permitido ou não consegue fazer Requisições externa para validar Esses dados.

Problemas de Dados¶

Nesta seção, são apresentados alguns problemas relacionados aos dados na plataforma Learn to Fly (LTF). São abordados exemplos de problemas, como a seleção de cidade, estado e região, a dificuldade em consultar uma base de dados padronizada do IBGE e os problemas de validação de dados na plataforma LTF.

Exemplo de problema: seleção de cidade, estado e região
Dificuldade em consultar uma base de dados padronizada do IBGE
Problemas de validação de dados na plataforma LTF

Problemas de falta de código de referência nas opções¶

Um problema comum é quando existem questões que possuem opções, mas essas opções não possuem um código de referência. Isso significa que a plataforma precisa confiar exclusivamente na descrição das opções para considerar a opção selecionada pelo usuário final. Isso pode levar a problemas de integração, como:

Dificuldade na identificação correta da opção selecionada, especialmente se houver opções com descrições semelhantes.
Possibilidade de erros de interpretação da descrição, resultando em dados incorretos ou inconsistentes.
Dificuldade em realizar análises precisas e confiáveis dos dados coletados.

É importante estabelecer um sistema de código de referência consistente para as opções, a fim de garantir uma integração eficiente e confiável dos dados coletados.

Outros problemas que podem causar na integração¶

Além da falta de código de referência nas opções, outros problemas podem surgir na integração de dados, tais como:

Incompatibilidade de formatos de dados entre sistemas, dificultando a transferência e interpretação correta dos dados.
Falta de padronização na estrutura dos dados, resultando em dificuldades na combinação e análise dos dados.
Problemas de segurança na transferência e armazenamento dos dados, colocando em risco a confidencialidade e integridade das informações.

É fundamental identificar e resolver esses problemas para garantir uma integração eficiente e confiável dos dados entre os sistemas envolvidos.

Necessidades de Modernização¶

A modernização do software do motor é de extrema importância. Atualmente, o sistema está fortemente acoplado ao Typeform, o que pode representar um risco para a continuidade do sistema de medição no futuro. Além disso, a modernização do motor traz diversos benefícios, tais como:

Redução da dependência de ferramentas externas: Ao modernizar o motor, é possível diminuir a dependência do Typeform e de outras ferramentas externas, garantindo maior autonomia e controle sobre o sistema de medição.
Maior flexibilidade e escalabilidade: Um motor modernizado permite a implementação de novos recursos e funcionalidades de forma mais ágil e eficiente, acompanhando as necessidades em constante evolução da Learn to Fly.
Melhoria na eficiência e desempenho: Com um motor mais atualizado, é possível otimizar o processamento e exibição dos dados de medição, resultando em uma experiência mais rápida e eficaz para os usuários.
Facilidade de manutenção e evolução: Um software modernizado é mais fácil de ser mantido e evoluído ao longo do tempo, permitindo a incorporação de melhorias contínuas e a adaptação às mudanças do mercado.

Portanto, é fundamental investir na modernização do software do motor, visando garantir a sustentabilidade e o sucesso contínuo do sistema de medição da Learn to Fly.

Motor¶

O motor é a parte principal do sistema, responsável por coordenar e controlar o funcionamento de todos os componentes. Ele atua como o centro de conexão e orquestração, permitindo que outros componentes sejam facilmente adicionados e escalados.

Através do motor, é possível integrar diferentes módulos e funcionalidades, garantindo a interoperabilidade e a capacidade de expansão do sistema. Ele fornece uma interface padronizada para a comunicação entre os componentes, facilitando a integração e o desenvolvimento de novas funcionalidades.

Além disso, o motor também é responsável por gerenciar a lógica de negócio do sistema, coordenando as operações e garantindo o correto funcionamento do sistema como um todo. Ele controla o fluxo de dados, processa as informações recebidas e toma as decisões necessárias para o bom desempenho do sistema.

A arquitetura do motor deve ser projetada de forma modular e flexível, permitindo a adição e remoção de componentes de forma simples e eficiente. Isso possibilita a escalabilidade do sistema, permitindo que ele cresça e se adapte às necessidades em constante evolução.

Portanto, o motor desempenha um papel fundamental no sistema, garantindo a conectividade, a escalabilidade e o correto funcionamento de todos os componentes. Ele é o coração do sistema, permitindo que ele opere de forma eficiente e eficaz.

Menor unidade de medição¶

O plano de menor unidade de medição consiste no cadastro de pontos de medição de uma pessoa. Esses pontos de medição representam a menor unidade de medição, como o humor de uma pessoa fora de um contexto específico ou a autoconsciência de uma pessoa também fora de um contexto específico.

O cadastro dessas menores unidades de medição serve para compor o contexto e será utilizado posteriormente.

Composição¶

A ideia de composição é permitir que os criadores de conteúdo sejam livres para criar na plataforma. Cada medição adicionada será parte de uma composição e servirá como uma atividade para os usuários na timeline.

Benefícios da Composição¶

Criatividade: A composição permite que os criadores de conteúdo explorem sua criatividade ao adicionar diferentes tipos de medições, como questionários, exercícios de reflexão e testes de personalidade. Isso torna a experiência do usuário mais diversificada e interessante.
Engajamento: Ao adicionar medições como atividades na timeline dos usuários, a composição incentiva o engajamento e a participação ativa na plataforma. Os usuários podem interagir com as medições, responder a questionários, refletir sobre suas respostas e acompanhar seu progresso ao longo do tempo.
Personalização: A composição permite que os usuários personalizem sua experiência na plataforma, escolhendo quais medições desejam adicionar à sua timeline. Isso permite que cada usuário tenha uma jornada única de autoconhecimento e desenvolvimento pessoal.

Exemplos de Composição¶

Trilha de autoconhecimento: Uma composição pode ser criada com uma série de medições relacionadas ao autoconhecimento, como questionários sobre valores pessoais, exercícios de reflexão sobre metas de vida e testes de personalidade. Essa trilha ajudará os usuários a explorar e entender melhor a si mesmos.
Desenvolvimento de habilidades: Uma composição pode ser criada com medições voltadas para o desenvolvimento de habilidades específicas, como exercícios práticos, questionários de avaliação de competências e atividades de aprendizado. Essa trilha ajudará os usuários a aprimorar suas habilidades e alcançar seus objetivos.
Bem-estar emocional: Uma composição pode ser criada com medições focadas no bem-estar emocional, como exercícios de mindfulness, questionários sobre emoções e atividades de autocuidado. Essa trilha ajudará os usuários a cuidar de sua saúde mental e emocional.

Através da composição, os usuários terão acesso a uma variedade de medições que os ajudarão em seu processo de autoconhecimento, desenvolvimento pessoal e bem-estar. Isso tornará a plataforma Learn to Fly uma ferramenta poderosa para o crescimento e transformação pessoal.

Contexto¶

Na composição, é possível também adicionar o contexto em que essa pessoa vai executar a atividade. Isso ajuda na análise de dados, permitindo entender em qual momento aquela pessoa preencheu aquela composição e fornecendo insights adicionais sobre o contexto em que as respostas foram dadas.

Adicionar o contexto pode ser útil em várias situações, como:

Avaliação de resultados: Ao analisar os dados coletados, é importante considerar o contexto em que as respostas foram fornecidas. Por exemplo, se uma pessoa preencheu uma composição durante um momento de estresse ou felicidade, isso pode influenciar suas respostas e fornecer informações adicionais sobre seu estado emocional naquele momento.
Identificação de padrões: Ao adicionar o contexto, é possível identificar padrões e tendências nos dados coletados. Por exemplo, se várias pessoas preencheram uma composição durante um evento específico ou em um determinado período de tempo, isso pode indicar a influência desse contexto na forma como as respostas foram dadas.
Análise comparativa: Ao comparar as respostas de diferentes pessoas em diferentes contextos, é possível obter insights sobre como o contexto pode afetar as percepções e respostas das pessoas. Isso pode ser útil para entender melhor as preferências, opiniões e comportamentos dos usuários em diferentes situações.

Ao adicionar o contexto na composição, a plataforma Learn to Fly proporciona uma análise mais completa e aprofundada dos dados coletados, permitindo uma compreensão mais precisa e contextualizada das respostas dos usuários.

Canais de medição¶

O módulo de Canais de Medição é responsável por adicionar diferentes tipos de canais de medição, como chat, WhatsApp, timeline e Instagram. Esses canais permitem que a composição seja manifestada e acessada pelos usuários em diferentes plataformas e formatos.

A inclusão de diversos canais de medição traz benefícios significativos para a plataforma Learn to Fly:

Ampla acessibilidade: Ao disponibilizar a composição em diferentes canais, a plataforma alcança um público mais amplo, permitindo que os usuários acessem e participem das atividades de medição de acordo com suas preferências e hábitos de uso.
Engajamento diversificado: Cada canal de medição oferece uma experiência única para os usuários, o que aumenta o engajamento e a participação ativa na plataforma. Os usuários podem interagir com as medições de maneiras diferentes, seja através de conversas em chat, compartilhamento de fotos no Instagram ou acompanhamento de atividades na timeline.
Integração com plataformas populares: Ao incluir canais como WhatsApp e Instagram, a plataforma se conecta a plataformas populares e amplamente utilizadas, facilitando a integração e a adoção pelos usuários. Isso permite que a Learn to Fly esteja presente onde os usuários já estão, aumentando a visibilidade e a usabilidade da plataforma.
Personalização e adaptação: Cada canal de medição pode ser personalizado e adaptado de acordo com as necessidades e características específicas dos usuários. Isso permite que a plataforma ofereça uma experiência mais personalizada e relevante, aumentando o valor percebido pelos usuários.

Além dos canais mencionados, é possível explorar outras opções de canais de medição, como redes sociais específicas, plataformas de mensagens instantâneas ou até mesmo integrações com assistentes virtuais. A diversificação dos canais de medição amplia as possibilidades de interação e enriquece a experiência dos usuários na plataforma Learn to Fly.

Última atualização: 2024-03-04