O ensino a distância passou por uma transformação significativa, especialmente destacada durante crises como a pandemia de COVID-19, quando se tornou essencial globalmente. A UNESCO autorizou várias plataformas estabelecidas de aprendizagem online como soluções rápidas, mas essas não foram recomendadas como soluções de longo prazo devido a diversos desafios que impactam os processos de aprendizado. Estudos recentes abordaram esses desafios usando tecnologias de inteligência artificial (IA), aprendizagem profunda e blockchain. A IA e a aprendizagem profunda focam na avaliação do desempenho do aluno, enquanto o blockchain e os contratos inteligentes ajudam a combater questões como certificados falsificados, manipulação de resultados e rastreamento das atividades dos estudantes. Embora ambas as tecnologias demonstrem forte potencial, poucos estudos exploram sua integração no ensino online, o que levou à proposição deste estudo de uma estrutura inteligente que combina blockchain e aprendizagem profunda para proteger e melhorar os sistemas de ensino, garantindo segurança, transparência e automação dos dados. Essa estrutura armazena os dados dos estudantes com segurança na blockchain usando o Sistema de Arquivos Interplanetário (IPFS) para armazenamento descentralizado de arquivos de grande porte, assegurando integridade e confidencialidade dos dados por meio de carteiras privadas na blockchain Ethereum. Modelos de aprendizagem profunda analisam esses dados seguros para prever com precisão o desempenho acadêmico. Contratos inteligentes facilitam a emissão de certificados por universidades, registrando-os de maneira imutável na blockchain acessível pelos nós da rede, fortalecendo a automação, a segurança e a confiança entre estudantes, professores e empregadores. A blockchain oferece armazenamento de dados imutável, com marca temporal, seguro e transparente, dentro de uma rede peer-to-peer distribuída, sem necessidade de uma autoridade central. A Ethereum, segunda maior em valor de mercado após o Bitcoin, suporta contratos inteligentes programáveis por meio da Máquina Virtual Ethereum (EVM) usando Solidity, possibilitando transações condicionais e automatizadas muito além das capacidades do Bitcoin. Os contratos inteligentes automatizam a execução dos termos contratuais assim que as condições pré-definidas são atendidas, registrando todas as execuções de forma imutável na blockchain. Devido ao fato de as blockchains não serem adequadas para arquivos de grande porte, soluções de armazenamento off-chain como IPFS, Storj e FileCoin são utilizadas. O IPFS é notável por criptografar e distribuir arquivos grandes peer-to-peer, criando hashes de endereçamento de conteúdo que verificam a integridade e o acesso aos dados, embora o controle de acesso ainda seja um desafio. Aqui, o IPFS é importante para armazenar de forma segura os extensos dados dos estudantes, vinculando-os às transações na blockchain por meio de hashes. A aprendizagem profunda, especialmente as redes neurais artificiais (RNA) inspiradas pelo cérebro biológico, envolve múltiplas camadas – de entrada, ocultas e de saída – que aprendem por meio de propagação direta, cálculo de erro e retropropagação em múltiplas épocas. Redes neurais profundas (DNNs), com várias camadas ocultas, aumentam a precisão das previsões. Este estudo emprega esses modelos para processar os dados dos estudantes armazenados via blockchain e IPFS, possibilitando previsões de desempenho precisas. Vários estudos anteriores utilizaram aprendizagem profunda para resultados educacionais, incluindo previsões de taxas de evasão em Cursos Online Abertos e Massivos (MOOCs) usando redes neurais recorrentes e convolucionais, alcançando maior precisão do que métodos tradicionais. Outros usaram redes de memória de longo curto prazo bidirecionais para previsões de evasão, e modelos de aprendizagem profunda conseguiram prever o desempenho de estudantes em conjuntos de dados pequenos e desbalanceados com alta precisão. A estrutura proposta opera em três fases: 1.

**Armazenamento dos Dados dos Estudantes na Blockchain:** Os dados do “Open University Learning Analytics” (32. 593 registros de informações demográficas e interações virtuais de aprendizagem) são criptografados e armazenados no IPFS, que gera um hash criptográfico. Esse hash é armazenado na blockchain privada Ethereum por meio de contratos inteligentes, permitindo um acesso descentralizado e imutável. Nós da rede — incluindo administração universitária, professores, estudantes e convidados (empregadores) — se registram na rede blockchain usando carteiras que contêm chaves privadas e públicas. 2. **Previsão de Desempenho com Aprendizagem Profunda:** Os dados criptografados dos estudantes, recuperados via IPFS, passam por pré-processamento: seleção de características, substituição de valores ausentes (usando modos e constantes), codificação de dados categóricos, normalização com MinMaxScaler e redução de dimensionalidade via Análise de Componentes Principais (PCA). O conjunto de dados é dividido (90% para treino e 10% para teste) e inserido em uma rede neural profunda composta por uma camada de entrada (10 neurônios), cinco camadas ocultas (cada uma com 500 neurônios e ativação ReLU), e uma camada de saída com quatro neurônios que representam os status de aprovação, reprovação, desistência e destaque, usando softmax e perda de entropia cruzada esparsa. Este modelo, implementado em Python, Keras e Sklearn, alcança alta precisão (~91, 29%) e baixa perda (~0, 18), superando estudos anteriores com o mesmo conjunto de dados. 3. **Utilização de Contratos Inteligentes:** Contratos inteligentes implantados via Solidity na Ethereum permitem interações seguras entre os nós: professores enviam tarefas para o IPFS e transmitem os hashes por contratos inteligentes aos estudantes; os estudantes enviam tarefas por contratos inteligentes; as universidades emitem certificados armazenados de forma imutável na blockchain; e os empregadores (convidados) acessam os certificados e dados de desempenho dos estudantes após aprovação universitária. Esses processos garantem transparência, segurança e automação. A implementação inclui: - **Arquitetura blockchain:** Desenvolvida com Python, Flask e Postman para mineração de blocos, validação da cadeia e adição de transações. Os nós são descentralizados e registrados via MyEtherWallet (MEW), que fornece gerenciamento de carteiras, chaves e endereços. - **Integração blockchain e aprendizagem profunda:** O IPFS armazena conjuntos de dados criptografados com seus hashes protegidos na blockchain Ethereum via contratos inteligentes. O modelo de aprendizagem profunda prevê o desempenho dos estudantes a partir desses dados seguros. Os contratos inteligentes gerenciam transações, incluindo distribuição de tarefas, submissão, emissão de certificados e acesso aos dados. Testes de validação verificam funções como registro de nós, acesso às carteiras, armazenamento e verificação de hashes, emissão e recuperação de certificados, interação com tarefas, validade de transações e integridade de arquivos na blockchain. Os resultados dos testes confirmam a imutabilidade e resistência à adulteração dos dados armazenados, além do funcionamento suave das interações via contratos inteligentes. A estrutura proposta demonstra que a integração de blockchain com aprendizagem profunda pode resultar em um sistema de ensino online seguro, transparente, automatizado e altamente preciso na previsão de desempenho, superando estudos anteriores em eficácia. Essa abordagem resolve desafios relacionados à segurança de dados, autenticação de estudantes e processos acadêmicos automatizados, estabelecendo uma base sólida para futuras plataformas inteligentes de ensino.