Este trabalho buscou alternativas viáveis para identificar e classificar objetos de ensino e aprendizagem com relação ao nível de atenção que pode ser esperado deles. a atenção desempenha um papel importante no processo de ensino e aprendizagem e identificar objetos que potencializem a atenção dos alunos é relevante no contexto do ensino suportado por tecnologias. sendo assim, o objetivo desta pesquisa é elaborar um método de avaliação de objetos de ensino e aprendizagem com base nos níveis de atenção do aluno. o método utilizado consistiu em obter a atividade cerebral de alunos por meio de eletroencefalografia relacionando-a com a atenção durante a utilização de objetos de ensino e aprendizagem. com base nestas medições foram calculados valores definidos como ''pontuação de atenção'' que são diretamente proporcionais a atenção do sujeito testado. de posse da pontuação de atenção esta foi relacionada com as características do objeto, gerando um artefato do qual espera-se a capacidade de extrapolação da pontuação de atenção para outros objetos semelhantes. duas tecnologias foram utilizados para a construção do artefato: redes neurais artificiais (redes de kohonen) e classificadores estatísticos (see5) destas o melhor resultado foi obtido com o uso das redes de kohonen que se mostraram capazes de classificar objetos com metadados semelhantes indicando níveis próximos de atenção. os resultados obtidos indicaram a necessidade de um conjunto mais especifico de características que o conjunto de metadados disponível. desta forma, neste trabalho foi proposto, e definido, um conjunto metadados baseados em características de design, usabilidade e arquitetura de informação. de posse deste conjunto, novos testes, mais abrangentes, foram executados e os resultados obtidos demonstram que os metadados propostos tem uma relação mais próxima com as características relevantes à atenção. este resultado vai de encontro a hipótese tratada neste trabalho: ''existe um conjunto de dados capaz de descrever um objeto de ensino e aprendizagem e com base neste conjunto é possível inferir, de forma objetiva, um nível de atenção''. mostrando que o conjunto de metadados proposto, apesar de não ser otimizado, representa o objetos de ensino e aprendizagem de forma mais eficiente, no que tange o nível de atenção esperado, que o conjunto previamente utilizado.