Sistema para la generación y calificación de cartillas de exámenes de selección múltiple basado en reconocimiento óptico de marcas y visión computacional
Resumen
El presente trabajo de investigación aborda la problemática de la generación y
calificación de cartillas de respuestas de selección múltiple o cartillas de respuestas de opción
múltiple que son parte del proceso de evaluación en diversas instituciones educativas y
académicas, se enfoca principalmente en los desafíos computacionales de eficiencia, precisión
y exactitud que estos generan. La propuesta desarrollada es un sistema basado en
reconocimiento óptico de marcas “Optical Mark Recognition” (OMR) y visión computacional
que surge como una propuesta para mejorar el proceso de generación y calificación de cartillas
de respuesta de opción múltiple, destacando una solución alternativa, accesible y económica
en comparación con los sistemas actuales de procesamiento de pruebas a través de lectores
ópticos computacionales.
El estudio se enfoca principalmente en la identificación de la proporción ancho/alto óptima para la detección de marcas en cartillas generadas en impresión convencional, la
determinación de umbrales para la detección de burbujas sombreadas considerando respuestas
en blanco y respuestas correctas e incorrectas, así mismo, se evalúa los tiempos de
procesamiento por cartilla incorporando la lectura de código Quick Response (QR) como
método de identificación de las cartillas, estos elementos son clave para evaluar la exactitud,
precisión y eficiencia, señalando cómo la solución beneficiaría en automatizar el proceso de
generación y calificación de cartillas de respuestas para las instituciones académicas.
Finalmente, la investigación propone una solución tecnológica con el potencial de mejorar
significativamente los procesos de evaluación en entornos educativos específicos, abordando
estos desafíos prácticos y contribuyendo de manera significativa a la calificación de exámenes
de forma accesible y económica para las instituciones académicas.
Colecciones
- TESIS DE PREGRADO [168]
El ítem tiene asociados los siguientes ficheros de licencia: