SciELO - Scientific Electronic Library Online

 
vol.40DESARROLLO Y VALIDACIÓN DE UN INSTRUMENTO DE IDENTIFICACIÓN DE VULNERABILIDAD DIGITAL (Q-IVD) PARA ESTUDIANTES DE LA EDUCACIÓN BÁSICAPERMANENCIA ESTUDIANTIL EN CURSOS DE PEDAGOGÍA A DISTANCIA: UN ESTUDIO DE LA UNIVERSIDAD ABIERTA DE BRASIL índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Compartir


Educação em Revista

versión impresa ISSN 0102-4698versión On-line ISSN 1982-6621

Resumen

PINHO, CINTIA MARIA DE ARAÚJO; GASPAR, MARCOS ANTONIO  y  SASSI, RENATO JOSÉ. APLICACIÓN DE TÉCNICAS DE INTELIGENCIA ARTIFICIAL PARA CLASIFICACIÓN DE ESCAPE DE LA SUJECIÓN EN ENSAYOS. Educ. rev. [online]. 2024, vol.40, e39773.  Epub 20-Ene-2024. ISSN 1982-6621.  https://doi.org/10.1590/0102-469839773.

El proceso de corrección manual de ensayos presenta dificultades como el tiempo dedicado a la corrección y devolución al alumno. Para las escuelas, las universidades y el Examen Nacional de Enseñanza Secundaria en Brasil (Enem), tal actividad demanda tiempo y costo para la evaluación de los textos producidos. La evasión del tema es uno de los elementos evaluados en la redacción del Enem que puede anular el ensayo. El análisis automático de ensayos con la aplicación de técnicas y métodos de Procesamiento del Lenguaje Natural, Minería de Texto y otras técnicas de Inteligencia Artificial se ha mostrado prometedor en el proceso de evaluación automatizada del lenguaje escrito. El objetivo de esta investigación es comparar diferentes técnicas de Inteligencia Artificial para la clasificación de evasión del tema en textos e identificar aquella con mejor resultado para habilitar un sistema inteligente de corrección de ensayos. Por lo tanto, se llevaron a cabo experimentos computacionales para clasificar estos textos con el fin de normalizar, identificar patrones y clasificar los ensayos en 1.320 ensayos en lengua portuguesa en 119 temas diferentes. Los resultados indican que el clasificador Red Neuronal Convolucional obtuvo mayor gano con relación a los demás clasificadores analizados, tanto en precisión como en relación con los resultados de falsos positivos, métricas de precisión, Recall e F1-Score. La solución validada en esta investigación contribuye a impactar positivamente el trabajo de los docentes y las instituciones educativas, al reducir el tiempo y los costos asociados al proceso de evaluación de ensayos.

Palabras clave : ensayos; evaluación automática de ensayos; escape de tema; inteligencia artificial.

        · resumen en Portugués | Inglés     · texto en Portugués | Inglés     · Inglés ( pdf ) | Portugués ( pdf )