Projeto de construção de um corpus de redações é aprovado em edital de PIDTI da UnDF
O projeto tem como objetivo geral constituir uma base pública e anotada de redações escolares em língua portuguesa, destinada a pesquisas em Linguística Computacional, Processamento de Linguagem Natural educacional e avaliação automática da escrita.
Para isso, propõe coletar, anonimizar e organizar textos produzidos por estudantes da Educação Básica da RIDE-DF, especialmente redações dissertativo-argumentativas no modelo ENEM; definir um protocolo padronizado de anotação linguística e textual; implementar camadas de anotação relacionadas a ortografia, morfossintaxe, coesão, argumentação e estrutura discursiva; estruturar metadados educacionais; desenvolver ferramentas de consulta, exportação e visualização; e disponibilizar publicamente parte do corpus com documentação técnica para uso acadêmico e científico.
A justificativa do projeto baseia-se na escassez de corpora públicos, representativos e linguisticamente anotados de escrita escolar em português brasileiro, lacuna que limita o desenvolvimento de sistemas transparentes, reprodutíveis e pedagogicamente adequados de avaliação automática de redações e tecnologias educacionais. A metodologia adotada combina Linguística de Corpus, anotação linguística manual supervisionada e desenvolvimento computacional incremental, organizada em etapas de coleta e organização do corpus, digitalização, normalização e anonimização dos textos, definição do esquema de anotação, treinamento de bolsistas, revisão cruzada das marcações, uso de métricas de concordância interanotador, modelagem do banco de dados textual, desenvolvimento de ferramentas de consulta e exportação, validação técnica e científica e disponibilização pública parcial do corpus acompanhado de manual de anotação e documentação metodológica.
