Avaliação inteligente de redações do enem: um estudo comparativo dos grandes modelos de linguagem

Abstract

A correção de redações do ENEM é um processo que exige análise de competências textuais, tornando-se um desafio em termos de tempo e consistência avaliativa. Com o avanço da Inteligência Artificial e o surgimento de Grandes Modelos de Linguagem (GMLs), têm-se a oportunidade de automatizar esse processo de modo eficiente. Este estudo investiga o uso de GMLs para correção automática de redações do ENEM, analisando a diferença de desempenho entre modelos treinados e não-treinados. Para isso, foi conduzido um experimento comparando o desempenho do GPT com um corretor humano, analisando 40 redações do ENEM distintas. Os resultados indicam que o GPT treinado alcançou uma taxa de acerto de até 50%, enquanto a versão nãotreinada obteve, em média, 30% de precisão. Isso sugere que o GPT, após treinamento, conseguiu maior alinhamento com os critérios do ENEM. Conclui-se que a aplicação de GMLs na correção de redações do ENEM tem potencial para aumentar a eficiência e padronização das avaliações. Contudo, ajustes no treinamento e calibração das notas ainda são necessários para melhorar a confiabilidade do sistema.