Busca avançada
Ano de início
Entree

Automatização dos processos de digitalização, mapeamento e identificação de provas durante o processo de correção de avaliações

Processo: 14/22782-3
Linha de fomento:Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
Vigência: 01 de março de 2016 - 28 de fevereiro de 2017
Área do conhecimento:Ciências Exatas e da Terra - Matemática - Matemática Aplicada
Pesquisador responsável:Miguel Chaves dos Santos
Beneficiário:Miguel Chaves dos Santos
Empresa:Caos Focado Consultoria Ltda
Município: São Paulo
Pesquisadores principais:Erik Miguel de Elias
Bolsa(s) vinculada(s):16/03447-4 - Automatização dos processos de digitalização, mapeamento e identificação de provas durante o processo de correção de avaliações, BP.PIPE
16/03254-1 - Automatização dos processos de digitalização, mapeamento e identificação de provas durante o processo de correção de avaliações, BP.PIPE
Assunto(s):Visão computacional  Reconhecimento de padrões  Processamento de imagens  Computação em nuvem  Digitalização 

Resumo

O PODD é um software em nuvem para auxílio de correção de avaliações escolares, pré-universitárias, universitárias, entre outras. Além de multiplataforma (tendo aplicações desktop, tablets ou celular), o sistema suporta a correção de avaliações digitalizadas a partir do papel tanto para questões objetivas (múltipla escolha) e questões simples (respostas de uma palavra ou V/F), como pretende fornecer ferramentas de análise contextual e visualização ao professor para o suporte à correção de questões complexas (respostas escritas longas). O professor (usuário) a partir de um dispositivo de aquisição de imagem/vídeo transforma as avaliações físicas em imagens. No caso de dispositivos de aquisição no formato vídeo (como um celular, tablet ou webcam) a digitalização será auxiliada por um processo automático de escolha da melhor imagem. As páginas digitalizadas são enviadas para a nuvem para correção. Processos de visão computacional são realizados para uma padronização e identificação das folhas das avaliações. Esses processos localizam a singularidade e as posições de cada questão na folha, bem como o tipo da questão (objetiva, dissertativa, V/F e etc.) e o valor da sua pontuação. Essa etapa torna desnecessária a utilização de marcadores fiduciais (qr-code, marcas diversas como triângulos, etc.) na folha de avaliação. Isso torna o processo mais flexível para o usuário que pode continuar fazendo a prova da forma que já está acostumado. O passo seguinte relaciona a lista de alunos com as provas enviadas ao PODD. Esse processo pode ser realizado, pois na etapa anterior os espaços da prova com possibilidades de serem regiões com o nome do aluno, por exemplo escrita à mão no cabeçalho foram identificados. Então, com a integração de tecnologias como Intelligent Character Recogntion (ICR), CAPTCHA e Mechanical Turk o PODD pode fazer a associação automaticamente de cada aluno com sua prova. O entendimento de uma palavra manuscrita através dessas tecnologias custa décimos de centavos de dólar, portanto pode ser considerado um valor pouco expressivo ajudando na escala.Com as questões identificadas e os alunos associados, os módulos de correção começam a ser executados: (1) módulo automático de correção de questões objetivas e respostas escritas simples e (2) módulo de suporte para correção das respostas escritas longas. Finalizado o processo, é dado ao usuário a possibilidade de fazer a validação de todo o conteúdo gerado. Após isso, o professor (usuário) consegue associar outros professores (ou monitores) e enviar diferentes pacotes de provas para serem corrigidas por cada um. A tela de correção de questões escritas longas foi projetada para ser prática e simples. Finalizadas as correções semi-automáticas, todos os dados são compilados e é gerado o resultado final da turma. Diferentes relatórios e visualizações da turma podem ser realizados. Além disso, os comentários dos corretores nas questões escritas longas podem ser enviados por e-mail para o aluno poder observar seus erros e acertos. (AU)