Notícias

Banca de QUALIFICAÇÃO: JEZIEL COSTA MARINHO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: JEZIEL COSTA MARINHO
DATA: 01/10/2021
HORA: 14:00
LOCAL: Sala virtual no Google Meet: https://meet.google.com/ehn-feei-twc
TÍTULO: Avaliação Automática de Redações: Uma abordagem baseada nas competências do ENEM
PALAVRAS-CHAVES: Avaliação Automática de Redações, Processamento de Linguagem Natural, Aprendizagem de Máquina
PÁGINAS: 75
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

A Avaliação Automática de Redações (AAR), por meio de técnicas de Processamento de Linguagem Natural (PLN) e Aprendizado de Máquina (AM), busca avaliar e pontuar textos em prosa escrita. No Brasil, o Exame Nacional do Ensino Médio (ENEM) contém, atualmente, a maior prova de redação do país na qual exige-se a produção de um texto em prosa, do tipo dissertativo-argumentativo, cujo o processo de correção levar em consideração cinco competências: 1: Demonstrar domínio da língua portuguesa; 2: Compreender a proposta de redação e aplicar conceitos das várias áreas de conhecimento para desenvolver o tema; 3: Selecionar, relacionar, organizar e interpretar informações, fatos, opiniões e argumentos em defesa de um ponto de vista; 4: Demonstrar conhecimento dos mecanismos linguísticos necessários para argumentar; e 5: Elaborar proposta de intervenção para o problema abordado. Este projeto tem como objetivo principal investigar e propor estratégias para AAR escritas na língua portuguesa por meio de uma abordagem baseada na criação e revisão de um corpus anotado de redações do ENEM, bem como no desenvolvimento de modelos baseados em PLN e AM capazes de predizer a nota de uma redação na competência 1 da matriz de referência da redação do ENEM. O corpus utilizado foi criado a partir da extração automatizada de redações da Web, e os experimentos realizados basearam-se na aplicação de algoritmos de regressão. Os resultados obtidos demonstram que o modelo em MLP obteve o melhor resultado entre os modelos experimentados obtendo um QWK de 0.47 e quando considerada uma margem de tolerância de 40 pontos para mais ou para menos, o modelo obteve um QWK de 0.85. Observou-se ainda que o alto grau de desbalanceamento do corpus impacta de forma negativa na capacidade de predição do modelo para as classes minoritárias. Contudo, os resultados obtidos até o momento demonstraram que o desempenho dos modelos baseados em engenharia de features e a possibilidade de fornecer um feedback aos alunos interessados sobre o que foi levado em consideração na avaliação tornam esta abordagem bastante promissora.


MEMBROS DA BANCA:
Presidente - 1226761 - RAIMUNDO SANTOS MOURA
Interno - 1446435 - VINICIUS PONTE MACHADO
Interno - 2167802 - PEDRO DE ALCANTARA DOS SANTOS NETO
Externo à Instituição - RAFAEL TORRES ANCHIÊTA - IFPI
Notícia cadastrada em: 13/09/2021 11:15
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb03.ufpi.br.sigaa 28/03/2024 14:38