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

• Processo: 16/03447-4
• Modalidade de apoio: Bolsas no Brasil - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de março de 2016
• Data de Término da vigência: 30 de novembro de 2016
• Área de conhecimento: Ciências Exatas e da Terra - Matemática - Matemática Aplicada
• Pesquisador responsável: ERIK MIGUEL DE ELIAS
• Beneficiário: ERIK MIGUEL DE ELIAS
• Empresa: Caos Focado Consultoria Ltda
• Vinculado ao auxílio: 14/22782-3 - Automatização dos processos de digitalização, mapeamento e identificação de provas durante o processo de correção de avaliações, AP.PIPE
• Assunto(s): Processamento de imagens Digitalização Visão computacional Reconhecimento de padrões
• Palavra(s)-Chave do Pesquisador: Aquisição de imagem | Reconhecimento de Padrões | Visão Computacional | Processamento de Imagens

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/video 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)