Atualmente existe uma grande demanda por ambientes virtuais de aprendizado. Nestes, uma das principais ferramentas é o chat, tanto entre alunos e professor, quanto somente entre alunos. Todavia, tais sistemas não fornecem ao professor informações sobre a qualidade da interação entre os alunos. Assim, o objetivo principal deste trabalho foi investigar a viabilidade da classificação automática de diálogos para o fornecimento de feedback para professores em ambientes virtuais de aprendizado. Para tal, foram utilizadas as redes neurais artificiais como classificadoras de padrões. O trabalho começou com uma coleta de dados para a criação de uma base de diálogos, obtidos em diferentes locais da internet. Com a base formada, foram extraídas as características mais relevantes para a classificação dos diálogos quanto à presença significativa de reflexão. Logo após, foram iniciados o treinamento e testes com as redes neurais artificiais para a identificação de padrões de diálogos de qualidade e a melhoria da capacidade de classificação de novos padrões. Por fim, foi realizada a implementação de uma ferramenta de análise de diálogos colaborativos, a OXEnTCHÊ-Chat. Foram realizados experimentos com a ferramenta, tanto para avaliar sua usabilidade, quanto para avaliar a qualidade da classificação produzida. Os resultados obtidos indicam que o problema da classificação automática de diálogos pode ser tratado com redes neurais, e apontam para várias outras possibilidades de investigação. Este trabalho faz parte do projeto CVA-On, e algumas extensões possíveis já estão em desenvolvimento, tais como o aumento da base de dados com o pré-processamento destes dados, testes com outros tipos de classificadores, e melhorias na apresentação do feedback final