Aplicação De Técnicas De Inteligência Artificial Para Classificação De Fuga Ao Tema Em Redações
Bibliographic Data
| ID | 5867784 |
|---|---|
| Authors | Cíntia Maria De Araújo Pinho (0000-0003-0525-5072, Centro Paula Souza), Marcos Antonio Gaspar (0000-0002-2422-2455, Universidade Nove de Julho), Renato José Sassi (0000-0001-5276-4895, Universidade Nove de Julho) |
| Year | 2024 |
| Volume | 40 |
| Publication date | 2024-01-01 |
| Peer Reviewed | Yes |
| Open Access | Yes |
| Type | ARTICLE |
| Venue | Educação em Revista (JOURNAL) |
| Journal identifiers | ISSN: 0102-4698 • E-ISSN: 1982-6621 |
| Publisher | FapUNIFESP (SciELO) (PUBLISHER) |
| DOI | 10.1590/0102-469839773 |
| OpenAlex | W4391758461 |
| Language | PT |
| Citations received | 1 |
| References cited | 3 |
O processo de correção manual de redações acarreta algumas dificuldades, dentre as quais se apontam o tempo dispendido para a correção e a devolutiva de resposta ao aluno. Para instituições como escolas de ensino básico e fundamental, universidades e o Exame Nacional do Ensino Médio (Enem), tal atividade demanda tempo e custo para a avaliação dos textos produzidos. A fuga ao tema é um dos itens avaliados na redação do Enem que pode anular a redação produzida pelo candidato. Neste contexto, a análise automática de redações com a aplicação de técnicas e métodos de Processamento de Linguagem Natural, Mineração de Textos e outras técnicas de Inteligência Artificial tem-se revelado promissora no processo de avaliação automatizada da linguagem escrita. O objetivo desta pesquisa é comparar diferentes técnicas de Inteligência Artificial para classificação de fuga ao tema em textos e identificar aquela com melhor resultado para viabilizar um sistema de correção inteligente de redações. Para tanto, foram executados experimentos computacionais em 1.320 redações elaboradas em língua portuguesa visando a classificação desses textos para normalizar, identificar padrões e categorizar as redações em 119 temas diferentes. Os resultados indicam que o classificador Rede Neural Convolucional obteve maior ganho em relação aos demais classificadores analisados, tanto em acurácia quanto em relação aos resultados de falsos positivos, métricas de precisão, Recall e F1-Score. Como conclusão, a solução validada nesta pesquisa contribui para impactar positivamente o trabalho de professores e instituições de ensino, por meio da redução de tempo e custos associados ao processo de avaliação de redações
Art · Humanities · Data Mining Algorithms and Applications · Imbalanced Data Classification Techniques · Knowledge Societies in the 21st Century
| Unique citing works | 1 |
|---|---|
| Citations per year | 0,5 |
| Citation span | 2024 - 2024 (1) |
| Citation velocity | recent |
| Highly cited | No |
| Citation types | Neutral: 1 |