RedactMaster: apresentando um programa semi-automático de correção online de redações
DOI:
https://doi.org/10.53660/PRW-1942-3614Palavras-chave:
Reconhecimento óptico de caracteres, PHP, Framework flexResumo
A tarefa de escrita pode ser definida como uma codificação sistemática de sinais que representam informações. A digitalização em escala global e a popularização de dispositivos eletrônicos impulsionaram a escrita digital, permitindo que sistemas de avaliação automática de escrita fossem impulsionados. O principal objetivo deste trabalho é apresentar um sistema semi-automático que funcionará em um servidor WEB, utilizando as linguagens de programação PHP e Adobe Flex, e o banco de dados MySQL. Este sistema de gestão para reparo das redações permite a administração descentralizada e a correção de redações utilizando o browser como plataforma. Seu principal objetivo é supervisionar todo o processo de correção de redações. Para seu desenvolvimento, foram utilizadas as tecnologias do Framework Flex, PHP, MySQL. Para testes neste aplicativo para correção de redações, utilizou-se informações criadas aleatórias para uso no programa, ou seja, não utilizando dados de pessoas reais. O programa de correção automatizada pode oferecer uma solução eficiente para lidar com um grande volume de redações em um curto período de tempo. Isso é especialmente útil em contextos educacionais onde há muitos alunos e poucos professores.
Downloads
Referências
AIRES, S.B.K. Reconhecimento de caracteres manuscritos baseado em regiões perceptivas. Dissertação (Mestrado em Informática Aplicada) - Pontifícia Universidade Católica do Paraná. Curitiba, 2005.
BATISTA, J. A. A. de S.; OLIVEIRA, J. F.; CARDOSO, B.O.; AMÂNCIO, A. M.; FIGUEIREDO, P. V. S.; OLIVEIRA, J. de J.; SILVA, T. S. da.; CAMPOS, Y. T. A. Comparando SQL e NoSQL: uma análise introdutória das características e consultas em Apex Oracle e MongoDB. CONTRIBUCIONES A LAS CIENCIAS SOCIALES, 2024.
BITTENCOURT JR., J. A. S. Avaliação automática de redação em língua portuguesa empregando redes neurais profundas. Universidade Federal de Goiás, 2020.
DA SILVA JR., J. A. Um avaliador automático de redações. mathesis [s.l.] Universidade Federal do Espírito Santo, 2021.
DATE, C. J. Uma Introdução a Sistemas de Banco de Dados. 8. ed. Rio de Janeiro: Elsevier, 2003.
DB-ENGINES, R. Knowledge Base of Relational and NoSQL Database Management, 2024.
DEVMEDIA, Dispositivos móveis e telefonia para 2018. Disponível em <http://www.devmedia.com.br/post-21157-Dispositivos-moveis-e-telefonia-para2011.html >. Acesso em 20 fev. 2024.
DYER, R. J. T. MySQL in a Nutshell: A Desktop Quick Reference. O'Reilly Media, Inc., 2008.
EDEN, M.; HALLE, M. The characterization of cursive writing. Information Theory, 1961.
ELMASRI, R.; NAVATHE, B. Sistemas de Banco de Dados. 6a edição. Editora Addison-Wesley, 2010.
ELMASRI, R.; NAVATHE, S. B. Sistemas de Banco de Dados: Fundamentos e Aplicações. Ed. LTC. Rio de Janeiro, 2000.
GARCIA, V. S.; SOTTO, E. C. S. Comparativo Entre os Modelos de Banco de Dados Relacional e Não-Relacional. Revista Interface Tecnológica, v. 16, n. 2, p. 12-24, 2019.
KAWAMOTO, V. R. Desenvolvimento de aplicações para Android utilizando o framework Adobe Flex. 2011. 62 f. Trabalho de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Medianeira, 2011.
KIRK, J.; MILLER, M. L. Reliability and validity in qualitative research. Sage, 1986.
LIMA, T. B. de et al. Avaliação Automática de Redação: Uma revisão sistemática. Revista Brasileira de Informática na Educação, v. 31, p. 205--221, mai. 2023.
MULLER, N. Framework, o que é e para que serve? 2008. Disponível em: https://www.oficinadanet.com.br/artigo/1294/framework_o_que_e_e_para_que_serve. Acesso em: 20 fev. 2024.
OSÓRIO, F.S. Um estudo sobre o reconhecimento visual de caracteres através de redes neurais. Dissertação (Mestrado em Computação) - Universidade Federal do Rio Grande do Sul – UFRG. Porto Alegre, 1991.
PHP MANUAL. In: THE PHP GROUP: Três áreas principais onde os scripts PHP são usados. 2023. Disponível em: https://www.php.net/manual/pt_BR/intro-whatcando.php. Acesso em: 22 fev. 2024.
RAMAKRISHNAN, R.; GEHRKE, J. Sistema de gerenciamento de banco de dados. 3ª ed. São Paulo: Editora Mc Graw-Hill, 2008.
RASSI, A. P.; LOPES, P. de A. Correção automática de redação, Cap 19, 2023.
RIBEIRO, S.R.A. Integração de imagens Lansat TM e dados auxiliares para a classificação automática de unidades fisionômicas/geológicas usando redes neurais. 169 f. Tese de Doutorado. Universidade Federal do Paraná. Curitiba, 2003.
RODRIGUES, R. J. THOMÉ, A. C. G. Reconhecimento de dígitos cursivos–um método de segmentação por histogramas a ser publicado no SCI, 2000.
SHERMIS, M. D.; BURSTEIN, J. Handbook of Automated Essay Evaluation: Current Applications and New Directions. [s.l.] Routledge/Taylor & Francis Group, 2013.
TAGHIPOUR, K.; NG, H. T. A neural approach to automated essay scoring. In: Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing, p. 1882–1891, 2016.
TAPPER, J.; LABRIOLA, M.; BOLES, M. Adobe Flex 3 Treinamento direto da Fonte. Rio de Janeiro: Alta Books, 2009.
TORFI, A. et al. Natural language processing advancements by deep learning: A survey. arXiv preprint arXiv:2003.01200 (2020). Acesso em: 20 fev. 2024.
VERGARA, A. I.; BALLUERKA, N. Metodología en la investigación transcultural: perspectivas actuales. Psicothema, v. 12, n. Su2, p. 557-562, 2000.
WELLING, L. PHP e MySQL Desenvolvimento web. Elsevier Editora Ltda, 2005.
ZAREBA, B. How to prepare training files for tesseract ocr and improve characters recognition, 2016.
