Solução de Visão Computacional para Correção Automática de Folhas de Respostas de Múltipla Escolha
Resumo
A correção manual de provas de múltipla escolha consome tempo e atrasa o feedback aos estudantes. Scanners são uma solução, mas inacessíveis para muitas instituições. Este artigo propõe uma alternativa baseada em câmeras de smartphones, preenchendo uma lacuna sobre o custo-benefício de soluções móveis. Desenvolvemos uma ferramenta com o modelo You Only Look Once (YOLO) para reconhecer respostas em folhas de gabarito. Após testes e refinamentos, nossa solução atingiu 97% de acurácia com um tempo de inferência de 25ms, otimizando o processo de correção e acelerando o retorno avaliativo.Referências
Centro de Inovação para a Educação Brasileira (CIEB). Como a inteligência artificial irá impactar o trabalho dos professores.
Centro Regional para o Desenvolvimento da Sociedade da Informação (2022). TIC Educação 2022 - Professores. Pesquisa, Comitê Gestor da Internet no Brasil (CGI.br) / Centro Regional para o Desenvolvimento da Sociedade da Informação (Cetic.br), São Paulo. Acesso em: 09 jun. 2025.
de Elias, E. M., Tasinaffo, P. M., and Hirata Jr., R. (2021). Optical Mark Recognition: Advances, Difficulties, and Limitations. SN Computer Science, 2:367.
Hassan, M. (2021). Optical mark recognition using opencv. GitHub repository. Acesso em: 26 ago. 2025.
Isotani, S., Bittencourt, I. I., Challco, G. C., Dermeval, D., and Mello, R. F. (2023). Aied unplugged: Leapfrogging the digital divide to reach the underserved. In International Conference on Artificial Intelligence in Education, pages 772–779. Springer.
Mahmud, S., Biswas, K., Alam, A., Rudro, R. A. M., Anannya, N. J., Mouri, I. J., and Nur, K. (2024). Automatic multiple choice question evaluation using tesseract ocr and yolov8. In 2024 IEEE Conference on Artificial Intelligence (CAI), pages 246–252. IEEE.
Padilla, R., Netto, S. L., and da Silva, E. A. B. (2020). A survey on performance metrics for object-detection algorithms. In 2020 International Conference on Systems, Signals and Image Processing (IWSSIP), pages 237–242.
TEKEREK, A. and ÇETİNKAYA, Y. (2024). Digitization of printed multiple choice questions using object detection methods: A yolov7-based approach. Artificial ıntelligence Studies, 7(2).
Tinh, P. D. and Minh, T. Q. (2024). Automated paper-based multiple choice scoring framework using fast object detection algorithm. International Journal of Advanced Computer Science & Applications, 15(1).
Centro Regional para o Desenvolvimento da Sociedade da Informação (2022). TIC Educação 2022 - Professores. Pesquisa, Comitê Gestor da Internet no Brasil (CGI.br) / Centro Regional para o Desenvolvimento da Sociedade da Informação (Cetic.br), São Paulo. Acesso em: 09 jun. 2025.
de Elias, E. M., Tasinaffo, P. M., and Hirata Jr., R. (2021). Optical Mark Recognition: Advances, Difficulties, and Limitations. SN Computer Science, 2:367.
Hassan, M. (2021). Optical mark recognition using opencv. GitHub repository. Acesso em: 26 ago. 2025.
Isotani, S., Bittencourt, I. I., Challco, G. C., Dermeval, D., and Mello, R. F. (2023). Aied unplugged: Leapfrogging the digital divide to reach the underserved. In International Conference on Artificial Intelligence in Education, pages 772–779. Springer.
Mahmud, S., Biswas, K., Alam, A., Rudro, R. A. M., Anannya, N. J., Mouri, I. J., and Nur, K. (2024). Automatic multiple choice question evaluation using tesseract ocr and yolov8. In 2024 IEEE Conference on Artificial Intelligence (CAI), pages 246–252. IEEE.
Padilla, R., Netto, S. L., and da Silva, E. A. B. (2020). A survey on performance metrics for object-detection algorithms. In 2020 International Conference on Systems, Signals and Image Processing (IWSSIP), pages 237–242.
TEKEREK, A. and ÇETİNKAYA, Y. (2024). Digitization of printed multiple choice questions using object detection methods: A yolov7-based approach. Artificial ıntelligence Studies, 7(2).
Tinh, P. D. and Minh, T. Q. (2024). Automated paper-based multiple choice scoring framework using fast object detection algorithm. International Journal of Advanced Computer Science & Applications, 15(1).
Publicado
24/11/2025
Como Citar
SOUZA, Everton et al.
Solução de Visão Computacional para Correção Automática de Folhas de Respostas de Múltipla Escolha. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 36. , 2025, Curitiba/PR.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 1147-1157.
DOI: https://doi.org/10.5753/sbie.2025.12804.
