Uma Estratgia Computacional para Classificac¸ o de Questes do ENEM Baseada na Teoria de Resposta ao Item - Artigo de Pesquisa

Sep 5, 2026

Carregar por Putri

A estratégia apresenta um Sistema para Geração Inteligente de Simulados do ENEM que calcula parâmetros da Teoria de Resposta ao Item (TRI) para questões previamente aplicadas e, a partir deles, classifica itens em grupos de dificuldade para formar provas balanceadas. O método usa o algoritmo K-means para separar questões em três níveis: fáceis, médias e difíceis. Em uma simulação com 180 questões no modelo ENEM, o sistema obteve acerto global de 37,7% e desempenho de 92,8% para itens alocados em grupos distantes.

IdiomaPortuguese

CategoriaPesquisa e Relatórios

FormatoPDF

Páginas20

Tempo de leitura31 min

AcessoDownload gratuito

Índice

Introdução

Contexto de criação e evolução do ENEM

A adoção da Teoria de Resposta ao Item (TRI)

Sistemas de acesso e ampliação do uso do ENEM

Lacunas no uso de TRI em simulados

Motivação para o sistema proposto

Revista de Informtica Terica e Aplicada-RITA-ISSN 2175-2745 Vol. 27, Num. 1 (2020) 92-111 RESEARCH ARTICLE A Computational Strategy for Classiﬁcation of Enem Issues Based on Item Response Theory Uma Estratgia Computacional para Classiﬁcac¸ o de Questes do Enem Baseada na Teoria de Resposta ao Item Gustavo Henrique Nunes 1 , Bruno Alberto Soares Oliveira*2 , Ciniro Aparecido Leite Nametala 1 Resumo: The National High School Examination (ENEM) gains each year more importance, as it gradually, replacing traditional vestibular. Many simulations are done almost randomly by teachers or systems, with questions chosen without discretion. With this methodology, if a test needs to be reapplied, it is not possible torecreate it with questions that have the same difﬁculty as those used in the ﬁrst evaluation. In this context, the present work presents the development of an ENEM Intelligent Simulation Generation System that calculates the parameters of Item Response Theory (TRI) of questions that have already been applied in ENEM and, based on them, classiﬁes [them. in](them. in) groups of difﬁculty, thus enabling the generation of balanced tests. For this, the K-means algorithm was used to group the questions into three difﬁculty groups: easy, medium and difﬁcult. To verify the functioning of the system, a simulation with 180 questions was generated along the ENEM model. It could be seen that in 37.7% of cases this happened. This hit rate was not greater because the algorithm confounded the difﬁculty of issues that are in close classes. However, the system has a hit rate of 92.8% in the classiﬁcation of questions that are in distant groups. Keywords: Item response theory—Classiﬁcation algorithms—ENEM Resumo: O Exame Nacional do Ensino Mdio (ENEM) ganha a cad˜a ano mais importncia, conforme vem, aos poucos, substituindo vestibulares trad˜ icionais. Muitos simulados sao feitos de forma praticamente aleatria por professores ou sistem˜ as, com questoes escolhidas se˜ m critrio. Com essa metodologia, caso uma prova precise ser reaplica˜da, nao possvel recri-la com questoes que possuam a mesma diﬁculdade das utilizadas na prim˜ eira avaliac¸ao. Neste contexto, o presente trabalho apresenta o desenvolvimento de um Sistema para Gerac¸ao Inteligente de ˜Simulados do ENEM que realiza os clculos dos parmetros da Teoria de Respostaao Item (TRI) de questoes que j foram ˜aplicadas no ENEM e, com base neles, as classiﬁca em grupos de diﬁculdade, possibilitan˜ do, assim, a gerac¸ao de provas balanceadas. Para isso, foi utilizado o algoritmo K-means, para agrupar as questoes em trs grupos de diﬁculd˜ade: fceis, mdias e difıceis´ . Para veriﬁcar o funcionamentodo sistema, foi gerado um simulado com 180 ques˜toes nos moldes do ENEM. Pde-se perceber que em 37,7% dos caso˜s isso acon˜teceu. Essa taxa acertos nao foi maior pelo fato de o algoritmo confundir a diﬁculdade de questoe˜s que estao˜ em classe˜s prximas. Entretanto, o sistema possui uma taxa de acertos de 92,8% na classiﬁcac¸ao de questoes que estao em grupos distantes. Palavras-Chave: Teoria de Resposta ao Item—Algoritmos de Classiﬁcac¸ o—ENEM 1 Federal Institute of Minas Gerais, Campus Bambui, Brazil 2 Federal University of Minas Gerais, Brazil *Corresponding author: [brunoalbertobambui@gmail.com](brunoalbertobambui@gmail.com) DOI: [http://dx.doi.org/10.22456/2175-2745.9240](http://dx.doi.org/10.22456/2175-2745.9240) 􀀏 Received: 30/04/2019 􀀏 Accepted: 24/12/2019 CC BY-NC-ND 4 .0 - This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4 . 0 International License. 1. Introduc¸ o Em 1998, o Exame Nacional do Ensino Mdio (ENEM) foi criado para avaliar a qualidade de ensino no˜ Pa´ıs. Com base nos resultad˜os, o Ministrio da Educac¸ao˜ seria auxi liado na elaborac¸ao de novas pol´ıticas na educac¸ao expostas nos Parmetros Curriculares Nacionais (PCNs) . Durante o per´ıodo d˜e dez anos (1998-2008), a prova foi composta por 63 quest

Perguntas frequentes

Qual é o objetivo do sistema proposto para o ENEM?

Desenvolver um Sistema para Geração Inteligente de Simulados do ENEM que calcula parâmetros da TRI das questões e as classifica em grupos de dificuldade para gerar provas balanceadas.

Como o artigo realiza a classificação da dificuldade das questões?

Usa o algoritmo K-means para agrupar as questões em três grupos de dificuldade: fáceis, médias e difíceis.

Como foi avaliada a eficiência do sistema e quais resultados principais foram apresentados?

Foi gerada uma simulação com 180 questões no modelo ENEM. Observou-se acerto em 37,7% dos casos, enquanto a taxa de acertos chegou a 92,8% na classificação de questões em grupos distantes.

Sep 5, 2026

Carregar por Putri