An evolutionary approach for the automatic generation of word list fluency assessment items
Resumo
Este artigo apresenta um Algoritmo Genético (AG) para automatizar a geração de itens de avaliação de fluência em leitura, reduzindo o esforço manual e atendendo a restrições pedagógicas. As soluções candidatas são sequências de palavras otimizadas por uma função multiobjetivo que penaliza violações de restrições e repetições. As restrições envolvem canonicidade, variedade silábica, ocorrência de grafemas específicos e continuidade prosódica. Os experimentos mostram que o AG gera listas válidas, com populações maiores alcançando convergência mais rápida e estável. Uma taxa de mutação de 5% foi suficiente para manter a diversidade. A abordagem é flexível, escalável e alinhada aos padrões educacionais.Referências
Andrade, M. K. T., Silva, V. A., and Ferreira, H. N. M. (2024). Como Formar Grupos em Ambientes Virtuais de Aprendizagem? Uma Abordagem Híbrida Utilizando Algoritmos Genéticos e Algoritmos de Agrupamento. In Anais do XXXV Simpósio Brasileiro de Informática na Educação (SBIE 2024), pages 1971–1983, Brasil. Sociedade Brasileira de Computação - SBC.
Barlybayev, A. and Matkarimov, B. (2024). Development of system for generating questions, answers, distractors using transformers. International Journal of Electrical and Computer Engineering (IJECE), 14(2):1851–1863.
Circi, R., Hicks, J., and Sikali, E. (2023). Automatic item generation: foundations and machine learning-based approaches for assessments. Frontiers in Education, Volume 8 - 2023.
Coscarelli, C. (2002). Entendendo a leitura. Revista de Estudos da Linguagem, 10.
Da Silva, L. F. and Franco, M. H. I. (2022). Jogos Educacionais Digitais no apoio ao processo de Alfabetização e Letramento: Revisão Sistemática da Literatura. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação (SBIE 2022), pages 453–462, Brasil. Sociedade Brasileira de Computação - SBC.
Edwards, J., Beckman, M. E., and Munson, B. (2004). The Interaction Between Vocabulary Size and Phonotactic Probability Effects on Children’s Production Accuracy and Fluency in Nonword Repetition. Journal of Speech, Language, and Hearing Research, 47(2):421–436.
Kuhn, M., Schwanenflugel, P., and Meisinger, E. (2010). Aligning theory and assessment of reading fluency: Automaticity, prosody, and definitions of fluency. Reading Research Quarterly, 45:232–253.
Lemle, M. (1985). O Guia Teórico do Alfabetizador. Editora Vozes, Petrópolis, RJ.
Mirjalili, S. (2019). Genetic Algorithm, pages 43–55. Springer International Publishing, Cham.
Popescu, D.-A. (2025). An Enhanced Genetic Algorithm for Optimized Educational Assessment Test Generation Through Population Variation. Big Data and Cognitive Computing, 9(4):98.
Pugh, D., De Champlain, A., Gierl, M., Lai, H., and Touchie, C. (2016). Using cognitive models to develop quality multiple-choice questions. Medical Teacher, 38(8):838–843.
Rasinski, T. V. (2012). Why reading fluency should be hot! The Reading Teacher, 65(8):516–522.
Scully, D. (2017). Constructing multiple-choice items to measure higher-order thinking. Practical Assessment, Research, and Evaluation, 22.
Silva, L. F. D. and Franco, M. H. I. (2023). Requisitos para utilização de Jogos Educacionais Digitais na Alfabetização e Letramento sob a perspectiva docente. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação (SBIE 2023), pages 718–727, Brasil. Sociedade Brasileira de Computação SBC.
Tiemeier, A., Stacy, Z., and Burke, J. (2011). Using multiple choice questions written at various bloom’s taxonomy levels to evaluate student performance across a therapeutics sequence. INNOVATIONS in pharmacy, 2.
Willert, N. and Thiemann, J. (2024). Template-based generator for single-choice questions. Technology, Knowledge and Learning, 29(1):355–370.
Wolfe, J. H. (1976). Automatic question generation from text - an aid to independent study. SIGCSE Bull., 8(1):104–112.
Barlybayev, A. and Matkarimov, B. (2024). Development of system for generating questions, answers, distractors using transformers. International Journal of Electrical and Computer Engineering (IJECE), 14(2):1851–1863.
Circi, R., Hicks, J., and Sikali, E. (2023). Automatic item generation: foundations and machine learning-based approaches for assessments. Frontiers in Education, Volume 8 - 2023.
Coscarelli, C. (2002). Entendendo a leitura. Revista de Estudos da Linguagem, 10.
Da Silva, L. F. and Franco, M. H. I. (2022). Jogos Educacionais Digitais no apoio ao processo de Alfabetização e Letramento: Revisão Sistemática da Literatura. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação (SBIE 2022), pages 453–462, Brasil. Sociedade Brasileira de Computação - SBC.
Edwards, J., Beckman, M. E., and Munson, B. (2004). The Interaction Between Vocabulary Size and Phonotactic Probability Effects on Children’s Production Accuracy and Fluency in Nonword Repetition. Journal of Speech, Language, and Hearing Research, 47(2):421–436.
Kuhn, M., Schwanenflugel, P., and Meisinger, E. (2010). Aligning theory and assessment of reading fluency: Automaticity, prosody, and definitions of fluency. Reading Research Quarterly, 45:232–253.
Lemle, M. (1985). O Guia Teórico do Alfabetizador. Editora Vozes, Petrópolis, RJ.
Mirjalili, S. (2019). Genetic Algorithm, pages 43–55. Springer International Publishing, Cham.
Popescu, D.-A. (2025). An Enhanced Genetic Algorithm for Optimized Educational Assessment Test Generation Through Population Variation. Big Data and Cognitive Computing, 9(4):98.
Pugh, D., De Champlain, A., Gierl, M., Lai, H., and Touchie, C. (2016). Using cognitive models to develop quality multiple-choice questions. Medical Teacher, 38(8):838–843.
Rasinski, T. V. (2012). Why reading fluency should be hot! The Reading Teacher, 65(8):516–522.
Scully, D. (2017). Constructing multiple-choice items to measure higher-order thinking. Practical Assessment, Research, and Evaluation, 22.
Silva, L. F. D. and Franco, M. H. I. (2023). Requisitos para utilização de Jogos Educacionais Digitais na Alfabetização e Letramento sob a perspectiva docente. In Anais do XXXIV Simpósio Brasileiro de Informática na Educação (SBIE 2023), pages 718–727, Brasil. Sociedade Brasileira de Computação SBC.
Tiemeier, A., Stacy, Z., and Burke, J. (2011). Using multiple choice questions written at various bloom’s taxonomy levels to evaluate student performance across a therapeutics sequence. INNOVATIONS in pharmacy, 2.
Willert, N. and Thiemann, J. (2024). Template-based generator for single-choice questions. Technology, Knowledge and Learning, 29(1):355–370.
Wolfe, J. H. (1976). Automatic question generation from text - an aid to independent study. SIGCSE Bull., 8(1):104–112.
Publicado
24/11/2025
Como Citar
MELLO, Rômulo C. de; SILVA, Gustavo; CARVALHO, Patrick C. de; LOPES, Rafaela; CARNEIRO, Maria Clara C.; SOUZA, Jairo F. de.
An evolutionary approach for the automatic generation of word list fluency assessment items. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 36. , 2025, Curitiba/PR.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 364-377.
DOI: https://doi.org/10.5753/sbie.2025.12314.
