Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/14871
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2016_CristovaoDeLimaFrinhani_tcc.pdf4,96 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorFreitas, Sérgio Antônio Andrade de-
dc.contributor.authorFrinhani, Cristóvão de Lima-
dc.identifier.citationFRINHANI, Cristóvão de Lima. Aplicação de processamento de linguagem natural: uma ferramenta de apoio à correção de questões dissertativas. 2016. 85 f., il. Monografia (Bacharelado em Engenharia de Software)—Universidade de Brasília, Brasília, 2016.pt_BR
dc.descriptionMonografia (graduação)—Universidade de Brasília, Faculdade UnB Gama, Engenharia de software, 2016.pt_BR
dc.description.abstractO ensino a distância é uma modalidade de ensino que tem crescido. Porém tem encontrado barreiras em sua escalabilidade. A correção de questões dissertativas normalmente leva um maior tempo que questões de certo ou errado e múltiplas escolhas. Buscando auxiliar o tutor em seu trabalho de correção de questões dissertativas, se pensou em um sistema de apoio de pré-avaliação. Um sistema onde um tutor pode cadastrar uma questão e um gabarito, e os alunos responderem a essa questão, automaticamente o sistema processa as respostas dos alunos, e uma nota preliminar é mostrada ao tutor, podendo aprovar ou não a nota. Para isso, foi estudado o processamento de linguagem natural, onde a aplicação de similaridade semântica pode quantificar uma resposta com um gabarito. Para minimizar o erro da quantificação, foi estudado o aprendizado de máquina, para se adquirir conhecimento com a interação do tutor. O sistema desenvolvido se divide em duas partes principais, a primeira sendo a comparação entre o gabarito e uma resposta, onde se usa os algoritmos de similaridade semântica, dando uma nota a resposta, e a segunda a interface web, que permite o cadastro das questões, responder questões e avaliar respostas. A avaliação das respostas está diretamente ligada ao aprendizado do sistema, com o feedback do tutor, o aprendizado de máquina pode analisar os elementos que diferiram e ajustar a nota. Para testar o sistema, foi utilizado a disciplina de fundamentos de arquitetura de computadores, tendo o objetivo de avaliar a diferença da nota dada pelo sistema e autor da questão. Os testes apresentaram uma avaliação inicial do sistema, demostrando sua capacidade de dar notas significativas para as respostas. O aprendizado de máquina demostrou, inicialmente, uma melhoria dos valores dados as notas das respostas.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordEnsino à distânciapt_BR
dc.subject.keywordLinguagem naturalpt_BR
dc.subject.keywordAlgoritmos genéticospt_BR
dc.subject.keywordProcessamento de linguagem natural (Computação)pt_BR
dc.subject.keywordAprendizado do computadorpt_BR
dc.titleAplicação de processamento de linguagem natural : uma ferramenta de apoio à correção de questões dissertativaspt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2016-09-30T16:05:35Z-
dc.date.available2016-09-30T16:05:35Z-
dc.date.submitted2016-07-01-
dc.identifier.urihttp://bdm.unb.br/handle/10483/14871-
dc.language.isoPortuguêspt_BR
dc.contributor.advisorcoFernandes, Mauricio Vidotti-
dc.description.abstract1Distance education is a teaching method that has grown. But have found barriers in its scalability. Seeking assist the tutor in his work of correction of essay questions, was considered a pre-assessment support system. A system where a tutor can register an question and a template, and students answer this question, the system automatically processes student responses, and a preliminary note is shown to tutor, the tutor can accept or not the note. For this we was studied the natural language processing, the application of semantic similarity can quantify an answer with a template. To minimize the quantification error, was studied machine learning, to gain knowledge on the interaction with the tutor. The developed system is divided into two main parts, the first being the comparison between the template and response, which use the semantic similarity algorithm, giving a note the answer, and the second the web interface, that allows the registration of the issues, answer questions and evaluate responses. The evaluation of responses is directly connected to the system of learning, with tutor feedback, the machine learning can analyze the elements that differed and adjust the note. To test the system, we used the discipline of computer architecture basics, with the objective of evaluating the difference of note given by the system and asker. The tests presented an initial assessment of the system, demonstrating its ability to make significant scores for the answers. The machine learning initially demonstrated an improvement of the values given the notes of the answers.pt_BR
Aparece na Coleção:Engenharia de Software



Este item está licenciado na Licença Creative Commons Creative Commons