<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Diseño de un sistema de calificación de ejercicios matemáticos manuscritos mediante deep learning y visión por computador

Cargando...
Miniatura

Fecha

Título de la revista

ISSN de la revista

Título del volumen

Editor

PUCE - Quito

DOI

Resumen

Corregir ejercicios matemáticos escritos a mano es una de las tareas que más tiempo y energía demandan a los docentes. Cuando un profesor debe revisar decenas o incluso cientos de hojas —también se lo puede observar en el ámbito académico superior—, la calificación manual no solo retrasa la retroalimentación que recibe el estudiante, sino que también introduce variaciones inevitables en los criterios de evaluación. Ante este escenario, la combinación entre ciencia de datos, deep learning y visión por computador se presenta como una oportunidad para automatizar procesos que tradicionalmente han dependido únicamente del juicio humano. En los últimos años, los avances en redes neuronales convolucionales (CNN), en el reconocimiento de texto manuscrito (HTR) y en modelos de detección de objetos han permitido que los sistemas automáticos alcancen niveles de precisión muy cercanos al de los humanos en tareas de interpretación visual. Sin embargo, aplicar estas tecnologías al reconocimiento de expresiones matemáticas manuscritas sigue siendo un reto; debido principalmente a la mezcla de símbolos, números, operadores y estructuras bidimensionales que plantea dificultades como la segmentación correcta de cada elemento, la interpretación de la jerarquía matemática y la verificación del procedimiento seguido por el estudiante. Esta investigación propone diseñar un sistema capaz de calificar automáticamente ejercicios matemáticos manuscritos utilizando técnicas de Deep learning (DL) y visión por computador (CV). La premisa no es solo reconocer los símbolos escritos, sino también evaluar si el procedimiento es válido, integrando procesamiento de imágenes, modelos predictivos y análisis estructural de expresiones matemáticas. El proyecto se enmarca dentro de la investigación aplicada en Data Science, orientada a resolver un problema real mediante herramientas basadas en conocimiento científico y tecnológico.

Descripción

Citación

Aprobación

Revisión

Complementado por

Referenciado por