CorrAut

Orientador: Manuel Edvar Bento Filho

Co-Orientador: Francisco Leonardo Rocha
Correção Automatizada
de Gabaritos e Análise Autores
de Desempenho Marcos Paulo da Silva Sousa Maria Elisa Nogueira Capistrano
José de Ribamar Ferreira Neto Guilherme Rocha de Almeida
Pedro Yuri Alves Fabrício Pedro Henrique Ferreira Lima

Introdução Ramon Silva de Oliveira Ana Letícia Costa Dos Santos

O projeto CorrAut consiste em uma solução para

não apenas agilizar a correção de avaliações de
múltipla escolha, mas também oferecer recursos
Plataforma Mobile
avançados de análise e visualização de progresso
acadêmico.

Metodologia
A proposta do projeto era realizar a criação de um aplicativo para dispositivos
móveis capaz de ajudar o professor em seu dia a dia, proporcionando diversas
funções, incluindo a correção de gabaritos automatizada.
Treinou-se um modelo de rede neural convolucional YOLO, baseando-se na
anotação de respostas marcadas ou não em imagens de gabaritos
Utilizou-se o modelo gerado para reconhecer as posições das alternativas
preenchidas / não preenchidas e retornar um conjunto de retângulos para o
processamento com a linguagem Python.
Imagens
Etapas do
reconhecimento
?. A B C D E ?. A B C D E ?. A B C D E ?. A B C D E

?. A B C D E ?. A B C D E ?. A B C D E ?. A B C D E

Reconhecimento dos retângulos e organização Marcação dos pontos centrais das

da esquerda pra direita e de cima pra baixo. alternativas para realizar os cálculos.

1. A B C D E 11. A B C D E 1. A B C D E 11. A B C D E

2. A B C D E 12. A B C D E 2. A B C D E 12. A B C D E

Algoritmo de identificação das questões Determinação das alternativas marcadas.

utilizando linhas.

Lote da etapa de
Ex. de anotações. Versão anterior. Visão da CNN / Gabarito corrigido com
treinamento do modelo YOLO.
nosso algoritmo

Considerações Finais Referências

•JavaScript. Adquira Informações sobre a Tecnologia • Firebase Documentation. Disponível em:
O trabalho reafirma o propósito do projeto CorrAut de revolucionar a correção de
JavaScript. Disponível em: https://developer.mozilla.org/pt- h t t p s : / / fi r e b a s e . g o o g l e . c o m / d o c s .
avaliações educacionais por meio da tecnologia. A automação da correção BR/docs/web/javascript/guide/introduction. • Flanagan, D. "JavaScript: The Definitive Guide." O'Reilly Media.

demonstrou agilidade, precisão e ofereceu análises mais profundas do desempenho • React Native. Biblioteca JavaScript para Construção de 2 0 2 1 .
I n t e r f a c e d e U s u á r i o . D i s p o n í v e l e m : • Eich, B. "JavaScript: The First 20 Years." Mozilla Developer
dos alunos. A implementação de recursos estatísticos e de visualização destacou-se, https://reactnative.dev/docs/getting-started. N e t w o r k . 2 0 2 0 .
melhorando o ensino de forma informada. O projeto contribui para uma educação • YOLO. You Only Look Once: Detecção de Objeto em Tempo Real. • MENOCIN, L.C. e ANTONELLO, R. "Correção Automática de
Artigo sobre disponível em: https://arxiv.org/abs/1506.02640. Avaliações Objetivas com Leitura do Cartão-Resposta por
personalizada e eficaz, com potencial para evoluir, integrando análises avançadas e
• AWS. Amazon Web Services. Disponível em: Visão Computacional." SECITEC, VI. 2017.
adaptações dinâmicas no futuro. https://aws.amazon.com/pt/.