Communitygithub.com

Metodologia de Análise Cognitiva de Tarefas Aplicada (ACTA)

Metodologia sistemática para elicitar, representar e operacionalizar habilidades cognitivas especializadas—reconhecimento de padrões, avaliação de situações, simulação mental—a partir de profissionais, sem exigir treinamento em pesquisa. Une rigor acadêmico e usabilidade prática.

O que é Metodologia de Análise Cognitiva de Tarefas Aplicada (ACTA)?

Esta skill define a Metodologia de Análise Cognitiva de Tarefas Aplicada (ACTA), um processo estruturado que permite extrair o conhecimento tácito de especialistas e transformá-lo em representações acionáveis para projetos de IA, design instrucional e engenharia de sistemas. A ACTA é particularmente útil para capturar habilidades cognitivas complexas (como reconhecimento de padrões e tomada de decisão sob pressão) que não estão documentadas em procedimentos formais. Ela oferece um conjunto de heurísticas e pontos de decisão para conduzir entrevistas com especialistas, evitando armadilhas comuns como 'elicitação de carimbo de borracha' (respostas genéricas) e 'adoração de transcrições' (não transformar os dados brutos). A skill inclui análise de modos de falha, exemplos práticos (como triagem de enfermagem e inspeção de segurança industrial), e portões de qualidade para garantir que o conhecimento extraído seja robusto e utilizável para treinar sistemas ou projetar treinamentos. É direcionada a engenheiros de IA, designers instrucionais e gerentes de domínio que precisam operacionalizar expertise humana de forma sistemática, sem exigir background acadêmico em pesquisa.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/curiositech/windags-skills/tree/HEAD/skills/applied-cognitive-task-analysis-acta-met

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

SKILL: Metodologia de Análise Cognitiva de Tarefas Aplicada (ACTA)

Nome: ACTA — Extraindo e Aplicando Conhecimento Cognitivo Especializado Descrição: Metodologia sistemática para elicitar, representar e operacionalizar habilidades cognitivas especializadas—reconhecimento de padrões, avaliação de situações, simulação mental—a partir de profissionais, sem exigir treinamento em pesquisa. Une rigor acadêmico e usabilidade prática.

PONTOS DE DECISÃO

Padrão de Resposta do Especialista → Estratégia de Pivô da Entrevista

Tipo de Resposta do EspecialistaSinal de DetecçãoPróxima Ação de Sonda
Generalização Vaga"Você desenvolve um feeling para isso" / "A experiência te ensina"→ Ancoragem em Incidente: "Me conte a última vez que..."
Recitação Processual"Primeiro eu faço X, depois Y, depois Z..."→ Sonda de Dimensão Cognitiva: "O que te diz que é hora do próximo passo?"
Princípios Abstratos"Sempre priorize a segurança" / "Foco no cliente"→ Exemplo Contrastivo: "Mostre-me dois casos—um onde isso se aplica, outro onde não"
Contradiz Outro Especialista"Nunca faça X" (quando Especialista 2 disse "Sempre faça X")→ Exploração Condicional: "Em que circunstâncias X é apropriado?"
Descreve Resultados"Então o sistema funciona melhor" / "A qualidade melhora"→ Detecção de Pistas: "O que você percebe que te diz que está funcionando?"

Seleção de Dimensão de Auditoria de Conhecimento

SE o especialista mencionar "ver padrões" ou "notar coisas"
  ENTÃO investigar Habilidades Perceptivas
    → "Mostre-me dois X's—um normal, um problemático. O que difere?"

SE o especialista mencionar "descobrir o que aconteceu" ou "prever resultados"
  ENTÃO investigar Simulação Mental
    → "O que deve ter acontecido para..." / "Se você fizesse X, qual seria o resultado?"

SE o especialista mencionar "acompanhar múltiplos fatores" ou "visão geral"
  ENTÃO investigar Consciência Situacional
    → "Que relacionamentos você monitora?" / "Que tendências importam?"

SE o especialista mencionar "quando os procedimentos padrão não funcionam"
  ENTÃO investigar Improvisação
    → "Conte-me sobre uma vez que o SOP falhou" / "Como você se adapta?"

SE o especialista mencionar "saber quando está errado" ou "duvidar"
  ENTÃO investigar Metacognição
    → "Como você percebe seus próprios erros?" / "Quando você busca ajuda?"

Estratégia de População da Tabela de Demandas Cognitivas

Identificação de Elementos Difíceis:
  SE vários especialistas têm dificuldade em articular o mesmo aspecto
    ENTÃO alta demanda cognitiva
  SE novatos falham consistentemente aqui apesar do treinamento
    ENTÃO elemento dependente de expertise
  SE os procedimentos padrão quebram nesta área
    ENTÃO habilidade cognitiva necessária

Análise de Por Que É Difícil:
  SE novatos perdem pistas perceptivas → "Falta reconhecimento de padrões para..."
  SE novatos aplicam estratégia errada → "Não consegue distinguir tipos de situação..."
  SE novatos têm visão de túnel → "Foca em fator único em vez de..."
  SE novatos congelam → "Nenhum modelo mental para..."

Extração de Pistas/Estratégias:
  SE especialista diz "eu simplesmente sei" → investigar indicadores observáveis específicos
  SE especialista dá múltiplas abordagens → identificar gatilhos situacionais
  SE especialista menciona "experiência" → extrair exemplares de padrões

MODOS DE FALHA

Elicitação de Carimbo de Borracha

Detecção: Entrevistas com especialistas produzem apenas descrições processuais ou respostas de livro-texto. Nenhuma percepção cognitiva emerge. Sintomas: Transcrições parecem SOPs. Especialistas dizem "apenas siga o processo". Nenhuma menção a julgamento, adaptação ou fatores situacionais. Causa Raiz: Questionamento abstrato desencadeia respostas racionalizadas, não o raciocínio real do especialista. Correção: Mude para investigação baseada em incidentes. "Me conte a última vez que você encontrou..." Fundamente todas as perguntas em cenários específicos.

Oráculo de Especialista Único

Detecção: Decisões de design baseadas na abordagem de um especialista tratadas como verdade universal. Sintomas: "O especialista diz sempre faça X" sem raciocínio condicional. Nenhuma variação documentada entre especialistas. Causa Raiz: Tratar expertise individual como expertise de domínio. Perder dependências situacionais. Correção: Entreviste 3-5 especialistas. Quando abordagens conflitarem, investigue condicionais: "Em que circunstâncias você faria diferente?"

Adoração de Transcrições

Detecção: Notas brutas de entrevistas tratadas como entregável final. Nenhuma transformação em representação acionável. Sintomas: Horas de áudio de entrevista sem saída estruturada. Análise para em "capturamos o conhecimento deles". Causa Raiz: Confundir coleta de dados com extração de conhecimento. Correção: Force a transformação através da Tabela de Demandas Cognitivas. Não pode ser concluída sem identificar aspectos difíceis, explicar por que são difíceis, extrair pistas/estratégias.

Paralisia por Abrangência

Detecção: Projeto parado esperando captura de expertise "completa" antes de construir qualquer coisa. Sintomas: Entrevistas adicionais infinitas. "Precisamos entender tudo primeiro." Nenhum prazo de implantação. Causa Raiz: Perfeccionismo impede implantação pragmática. Padrões acadêmicos aplicados a problemas práticos. Correção: Extraia expertise suficiente para capacidades iniciais. Implemente com monitoramento e ciclos de iteração. 70% de cobertura permite aplicações valiosas.

Fantasia de Procedimentalização

Detecção: Tentativas de converter julgamento de especialista em árvores de decisão ou conjuntos de regras. Sintomas: Lógica de ramificação complexa que não captura o raciocínio real do especialista. Regras que quebram em situações novas. Causa Raiz: Tratar expertise como procedimento refinado em vez de reconhecimento de padrões. Correção: Construa capacidades de classificação de padrões e avaliação de situação. Foco em "Que tipo de situação é esta?" não em "Qual é a ação prescrita?"

EXEMPLOS PRÁTICOS

Exemplo 1: Triagem de Enfermeira de Emergência

Contexto: Hospital precisa melhorar a precisão da triagem. Enfermeiras com 2+ anos de experiência superam significativamente as recém-formadas na atribuição de prioridade ao paciente.

Fase do Diagrama de Tarefas: Entrevista inicial revela procedimento padrão de triagem: sinais vitais → consulta ao protocolo → atribuição de prioridade. Mas especialistas mencionam decisões de "algo não parece certo" que novatas perdem.

Fase de Auditoria de Conhecimento: Sonda: "Mostre-me dois pacientes com sinais vitais semelhantes—um que você priorizaria, outro que não." Resposta da Especialista: "Este [aponta para o caso] tem PA e pulso normais, mas olhe a cor da pele e como ela está se posicionando. Vê como ela está inclinada para frente? Isso é compensação de desconforto respiratório." Seguimento: "O que uma enfermeira novata perderia?" Resposta da Especialista: "Elas veriam sinais vitais normais e a enviariam para a fila regular. Não reconhecem o padrão de posicionamento ou as mudanças na cor da pele."

Entrevista de Simulação: Apresentar cenário: Homem de 45 anos, dor no peito, sinais vitais normais, diz "parece azia." Resposta da Especialista: "Eu perguntaria sobre irradiação para o maxilar ou braço esquerdo. Também olharia para diaforese—padrão de suor. Homens frequentemente minimizam sintomas cardíacos. Mesmo com sinais vitais normais, o padrão de descrição aumenta o risco de IAM."

Saída da Tabela de Demandas Cognitivas:

Elemento DifícilPor Que É DifícilPistas/Estratégias
Detectar desconforto respiratório compensadoSinais vitais parecem normais devido à compensação fisiológicaPostura inclinada para frente, lábios franzidos, mudanças na cor da pele, uso de músculos acessórios
Reconhecer apresentações cardíacas atípicasDescrições padrão de sintomas não correspondem ao livro-textoPadrões de minimização masculina, descrições de "azia" com diaforese, irradiação para maxilar/braço

Mapeamento de Capacidade do Agente:

  • Sistema de reconhecimento de padrões treinado em dados de postura/posicionamento
  • Análise de cor da pele em combinação com tendências de sinais vitais
  • Processamento de linguagem natural para padrões de descrição de sintomas
  • Estratificação de risco que pondera pistas comportamentais junto com medidas fisiológicas

Análise de Trade-off: Reconhecimento visual de padrões requer sistemas de câmera vs. preocupações de privacidade. Detecção de pistas comportamentais precisa de dados de treinamento vs. consentimento do paciente. O reconhecimento de padrões do especialista opera em entradas multimodais que são tecnicamente desafiadoras, mas clinicamente críticas.

Exemplo 2: Inspeção de Segurança em Manufatura

Contexto: Planta química precisa melhorar verificações de segurança pré-operação. Inspetores experientes detectam perigos que listas de verificação processuais perdem.

Fase do Diagrama de Tarefas: Inspeção padrão cobre 47 itens de verificação entre sistemas. Mas inspetores seniores mencionam detecção "intuitiva" de perigos que previne incidentes.

Fase de Auditoria de Conhecimento: Sonda: "Me conte a última vez que você encontrou algo que não estava na lista de verificação." Resposta do Especialista: "A bomba estava operando dentro das especificações, pressão normal, mas o padrão de vibração parecia diferente. Não mais alto—frequência diferente. Descobrimos que o mancal estava começando a falhar. Teria sido catastrófico durante a operação." Seguimento: "Como você sabe os padrões normais de vibração?" Resposta do Especialista: "Após 15 anos, você sente como cada bomba funciona. Esta normalmente tem um zumbido suave. Naquele dia, tinha uma aspereza leve por baixo."

Entrevista de Simulação: Apresentar cenário: Todos os itens da lista de verificação passam, mas cheiro incomum na Unidade 3. Resposta do Especialista: "Eu rastrearia o cheiro. Odores químicos não devem penetrar o envelope do edifício. Ou temos um vazamento que não está sendo registrado nos sensores, ou falha no sistema de ventilação. Ambos são graves, mesmo que as leituras pareçam normais."

Saída da Tabela de Demandas Cognitivas:

Elemento DifícilPor Que É DifícilPistas/Estratégias
Detectar degradação de equipamento antes de alertas de sensorRequer linhas de base aprendidas para padrões normais de operaçãoMudanças na frequência de vibração, mudanças no padrão de som, variações sutis de desempenho
Identificar falhas de contenção através de pistas sensoriaisSistemas de detecção química têm tempo de atraso e pontos cegosRastreamento de odor, avaliação de padrões de fluxo de ar, correlação com condições ambientais

Mapeamento de Capacidade do Agente:

  • Análise de vibração com linhas de base aprendidas para cada peça de equipamento
  • Redes de sensores químicos com reconhecimento de padrões para leituras anômalas
  • Monitoramento ambiental que correlaciona múltiplas entradas sensoriais
  • Algoritmos de manutenção preditiva que ponderam indicadores sutis de degradação

Análise de Trade-off: Densidade de sensores vs. considerações de custo. Linhas de base aprendidas requerem histórico operacional vs. implantação de novos equipamentos. Integração sensorial humana (olfato, vibração, som) difícil de replicar tecnicamente, mas crítica para detecção precoce de perigos.

PORTÕES DE QUALIDADE

Conclusão da Tabela de Demandas Cognitivas:

  • Cada "Elemento Difícil" aparece em múltiplas entrevistas com especialistas (não peculiaridades individuais)
  • Explicações de "Por Que É Difícil" são observáveis/testáveis (não raciocínio circular como "requer experiência")
  • "Pistas/Estratégias" são específicas o suficiente para design de treinamento (não vagas como "reconhecimento de padrões")
  • Consenso de especialistas alcançado sobre as principais demandas cognitivas (3+ especialistas validam elementos centrais)
  • Agente pode classificar cenários novos usando pistas identificadas (discriminação testável)
  • Modos de falha de novatos mapeados para lacunas cognitivas específicas (não apenas "falta de treinamento")

Avaliação de Qualidade da Entrevista:

  • Especialista forneceu incidentes específicos, não apenas princípios gerais
  • Dimensões cognitivas investigadas sistematicamente (percepção, simulação, consciência, etc.)
  • Respostas conflitantes de especialistas resolvidas através de exploração condicional
  • Raciocínio dependente de contexto capturado (quando usar diferentes estratégias)
  • Conhecimento tácito tornado explícito através de sondas estruturadas

Validação de Usabilidade Prática:

  • Não especialistas podem usar a tabela para design de treinamento sem participar de entrevistas
  • Especificações de agente deriváveis das descrições de pistas/estratégias
  • Modos de falha previsíveis a partir da análise de "por que é difícil"
  • Conhecimento portável para domínios/aplicações semelhantes

LIMITES DE USO

NÃO use ACTA para:

  • Tarefas processuais simples: Se especialistas apenas seguem procedimentos mais rápido, use métodos de melhoria de processos
  • Domínios bem documentados: Se a expertise já está capturada em formato acessível, foque na otimização de transferência/treinamento
  • Coaching individual de habilidade: Para desenvolver a expertise de uma pessoa, use abordagens de mentoria ou prática deliberada
  • Requisitos de pesquisa acadêmica: Se você precisar de rigor para publicação, use métodos completos de Análise de Tarefas Cognitivas
  • Suporte de desempenho em tempo real: Para assistência no momento, use auxílios de trabalho ou sistemas de suporte à decisão

Delegue em vez disso para:

  • Mapeamento de processos → para otimização processual
  • Especialistas em design instrucional → para desenvolvimento de currículo a partir das saídas ACTA
  • Modelagem de domínio → para representação abrangente de conhecimento
  • Métodos etnográficos → para fatores culturais/organizacionais de expertise
  • Avaliação psicométrica → para medição de aptidão individual

ACTA especificamente aborda: Extração de expertise cognitiva que permite reconhecimento superior de padrões, avaliação de situações e resolução adaptativa de problemas para fins de design de treinamento e especificação de agentes.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

curiositech/windags-skills

Expert in 2000s-era music visualization (Milkdrop, AVS, Geiss) and modern WebGL implementations. Specializes in Butterchurn integration, Web Audio API AnalyserNode FFT data, GLSL shaders for audio-reactive visuals, and psychedelic generative art. Activate on "Milkdrop", "music visualization", "WebGL visualizer", "Butterchurn", "audio reactive", "FFT visualization", "spectrum analyzer". NOT for simple bar charts/waveforms (use basic canvas), video editing, or non-audio visuals.

curiositech/windags-skills

Expert legal research agent for finding and scraping expungement data state by state. Knows authoritative sources, URL patterns, Firecrawl configuration, and 2026 legal landscape.

curiositech/windags-skills

Expert in 3D computer vision labeling tools, workflows, and AI-assisted annotation for LiDAR, point clouds, and sensor fusion. Covers SAM4D/Point-SAM, human-in-the-loop architectures, and vertical-specific training strategies. Activate on '3D labeling', 'point cloud annotation', 'LiDAR labeling', 'SAM 3D', 'SAM4D', 'sensor fusion annotation', '3D bounding box', 'semantic segmentation point cloud'. NOT for 2D image labeling (use clip-aware-embeddings), general ML training (use ml-engineer), video annotation without 3D (use computer-vision-pipeline), or VLM prompt engineering (use prompt-engineer).

curiositech/windags-skills

Implement WCAG 2.2 AA/AAA compliance with automated testing, keyboard navigation, screen reader support, and focus management. Activate on: accessibility audit, WCAG compliance, keyboard navigation, screen reader, aria attributes, axe-core, focus trap. NOT for: design-level accessibility review (use design-accessibility-auditor), color contrast only (use css-in-js-architect).

curiositech/windags-skills

Time-blind friendly planning, executive function support, and daily structure for ADHD brains. Specializes in realistic time estimation, dopamine-aware task design, and building systems that actually work for neurodivergent minds.

curiositech/windags-skills

Designs digital experiences for ADHD brains using neuroscience research and UX principles. Expert in reducing cognitive load, time blindness solutions, dopamine-driven engagement, and compassionate design patterns. Activate on 'ADHD design', 'cognitive load', 'accessibility', 'neurodivergent UX', 'time blindness', 'dopamine-driven', 'executive function'. NOT for general accessibility (WCAG only), neurotypical UX design, or simple UI styling without ADHD context.

curiositech/windags-skills

>- Apply crisis decision-making research to agent routing, uncertainty triage, and coordination failure analysis in time-pressured systems. Use when diagnosing handoff failures, analytical paralysis, or expert judgment under incomplete information. NOT for routine coding, simple CRUD design, or static single-agent tasks with complete information.

curiositech/windags-skills

Extend and modify the admin dashboard, developer portal, and operations console. Use when adding new admin tabs, metrics, monitoring features, or internal tools. Activates for dashboard development, analytics, user management, and internal tooling.

curiositech/windags-skills

Conversation patterns and interaction protocols for multi-agent systems. Covers request/response, pub/sub, blackboard, delegation chains, debate, critique, consensus, fan-out/fan-in, supervisor-worker, and peer negotiation. Deep analysis of AutoGen conversation patterns, CrewAI delegation, LangGraph state passing, and FIPA-ACL performatives. Teaches how to design what agents say to each other and in what order. Activate on: "agent conversation", "agent protocol", "multi-agent debate", "agent delegation", "supervisor worker pattern", "agent voting", "consensus protocol", "fan-out fan-in", "agent negotiation", "blackboard pattern", "agent dialogue", "conversation topology", "agent handoff". NOT for: wire format or serialization (use agent-interchange-formats), orchestration infrastructure (use agentic-infrastructure-2026), single agent behavior (use agentic-patterns).

curiositech/windags-skills

Meta-agent for creating new custom agents, skills, and MCP integrations. Expert in agent design, MCP development, skill architecture, and rapid prototyping. Activate on 'create agent', 'new skill', 'MCP server', 'custom tool', 'agent design'. NOT for using existing agents (invoke them directly), general coding (use language-specific skills), or infrastructure setup (use deployment-engineer).

curiositech/windags-skills

AI-powered calendar management and agent-based scheduling coordination. Covers calendar APIs (Google Calendar, CalDAV/iCal), AI scheduling assistants (Reclaim, Clockwise, Motion, Cal.com), building custom calendar agents with MCP, multi-calendar merging, timezone management, focus block protection, meeting fatigue detection, and agent-to-agent meeting negotiation protocols. Activate on: "calendar agent", "AI scheduling", "calendar coordination", "meeting scheduling", "calendar API", "focus time protection", "calendar optimization", "Google Calendar MCP", "Reclaim", "Clockwise", "Motion", "Cal.com", "smart scheduling", "calendar-aware agent", "timezone scheduling", "agent negotiation meetings". NOT for: manual calendar UI component design (use form-validation-architect), project management scheduling or Gantt charts (use project-management-guru-adhd), general time-tracking or pomodoro apps (use adhd-daily-planner for time-awareness), building the agent itself from scratch (use agent-creator).

curiositech/windags-skills

Build and adopt production AI agent infrastructure in 2026. Covers framework selection (LangGraph, CrewAI, AutoGen, MCP), orchestration patterns, evaluation, observability, memory systems, and tool use. Also covers the SOCIAL dimension: how to sell agent infrastructure internally, change management, measuring ROI, building trust in autonomous systems, and scaling adoption across teams. Activate on: "agent infrastructure", "agent framework comparison", "which agent framework", "sell AI tools internally", "agent adoption", "agent observability", "agent evaluation", "MCP architecture", "agentic mesh", "enterprise AI agents", "AI change management", "agent ROI". NOT for: building specific agents (use ai-engineer), designing agent behavior patterns (use agentic-patterns), prompt tuning (use prompt-engineer).

curiositech/windags-skills

Fundamental patterns for effective agentic behavior. Teaches decomposition, tool orchestration, error recovery, context management, quality self-assessment, and knowing when to stop. Model-agnostic principles that make any agent more effective regardless of domain. Activate on: "how should I structure this agent", "agentic workflow", "agent patterns", "multi-step task", "tool orchestration", "/agentic-patterns", "decompose this", "agent best practices", "chain of actions", "when should the agent stop", "agent loop design". NOT for: creating agent infrastructure (use agent-creator), building DAGs (use windags-architect), specific tool implementation.

curiositech/windags-skills

Automated discovery and matching of agent skills for dynamic task routing and capability assessment

curiositech/windags-skills

Cryptographic security for agentic systems — zero-trust agent networking, signed message envelopes (JWS/JWE), capability-based security (ocaps), Merkle tree audit trails, WASM sandboxing, and formal verification. Covers CLI dev tool security, mTLS between agents, permission boundaries (least privilege for AI agents), and supply chain security for skills/plugins. Activate on: "agent security", "zero trust agents", "secure agent communication", "capability-based security", "ocap", "signed messages between agents", "agent audit trail", "sandbox agent execution", "agent permissions", "mTLS agents", "cryptographic verification", "agent supply chain", "OWASP agentic", "prove agent did X", "tamper-proof agent logs". NOT for: application-level SAST scanning (use security-auditor), network firewall rules (use infrastructure), SOC2/HIPAA compliance (organizational), or prompt injection defense (use prompt-engineer).

curiositech/windags-skills

Data structures and serialization formats for agent-to-agent communication. Covers message envelopes, structured output schemas, capability declarations, task handoff payloads, error/retry signaling, and context windows as data structures. Deep comparison of A2A protocol, MCP, OpenAI function calling, and LangChain message types. Teaches when to use rigid schemas vs free-form with validation, typed vs untyped, streaming vs batch. Activate on: "agent message format", "agent communication schema", "agent-to-agent protocol", "A2A protocol", "MCP message format", "structured output for agents", "agent interop", "interchange format", "agent serialization", "task handoff format", "capability declaration". NOT for: what agents say to each other (use agent-conversation-protocols), orchestration topology (use multi-agent-coordination), building agent infrastructure (use agentic-infrastructure-2026).

curiositech/windags-skills

Logic-based agent programming language implementing BDI architecture for practical autonomous agent development

curiositech/windags-skills

>- Design AgentSpeak(L)-style BDI agents with context-guarded plans, selection functions, and intention stacks. Use for interruptible autonomy, agent policy, and multi-agent orchestration in dynamic environments. NOT for simple rule engines, static planners, or centralized workflows.

curiositech/windags-skills

Foundational concurrent computation model where actors communicate exclusively through asynchronous message passing

curiositech/windags-skills

license: Apache-2.0 NOT for unrelated tasks outside this domain.

Habilidades Relacionadas