A Cloud-Native Architecture for the Machine Teaching Platform: Enhancing Performance and Scalability

  • Nícolas da Mota Arruda UFRJ
  • Marcos T. Leipnitz UFRJ
  • Laura O. Moraes UNIRIO
  • Carla Delgado UFRJ

Resumo


Este artigo apresenta o redesenho da plataforma Machine Teaching de um juiz online baseado em navegador para uma arquitetura cloud-native, deslocando a execução de código para contêineres isolados que escalam elasticamente por meio de um serviço serverless de contêineres. Essa mudança melhora a equidade de acesso ao reduzir as exigências de hardware no cliente, reforça a segurança com análise de vulnerabilidades no servidor e viabiliza suporte multilinguagem sem expor a lógica de avaliação no navegador. Os experimentos indicam respostas mais rápidas em dispositivos de baixo desempenho e latência estável sob carga concorrente.

Referências

Carvalho, L., Fernandes, D., and Gadelha, B. (2016). Juiz online como ferramenta de apoio a uma metodologia de ensino híbrido em programação. In Anais do XXVII Simpósio Brasileiro de Informática na Educação, page 140.

Moraes, L., Delgado, C., Freire, J., and Pedreira, C. (2022). Machine teaching: uma ferramenta didática e de análise de dados para suporte a cursos introdutórios de programação. In Anais do II Simpósio Brasileiro de Educação em Computação, pages 213–223, Porto Alegre, RS, Brasil. SBC.

Wasik, S., Antczak, M., Badura, J., Laskowski, A., and Sternal, T. (2018). A survey on online judge systems and their applications. ACM Computing Surveys (CSUR), 51(1):1–34.

Watanobe, Y., Rahman, M., Matsumoto, T., Rage, U., and Penugonda, R. (2022). Online judge system: Requirements, architecture, and experiences. International Journal of Software Engineering and Knowledge Engineering, 32:1–30.
Publicado
05/11/2025
ARRUDA, Nícolas da Mota; LEIPNITZ, Marcos T.; MORAES, Laura O.; DELGADO, Carla. A Cloud-Native Architecture for the Machine Teaching Platform: Enhancing Performance and Scalability. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DA REGIÃO SUDESTE (ERAD-SE), 10. , 2025, Niterói/RJ. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2025 . p. 49-52. DOI: https://doi.org/10.5753/eradse.2025.17063.