O Enemaster.app é uma plataforma utilizada para aplicar inteligência de dados ao Exame Nacional do Ensino Médio (ENEM). O projeto utiliza análise de microdados, modelagem preditiva, Teoria de Resposta ao Item (TRI) e automação para otimizar a preparação dos estudantes.
- 📊 Análise de Microdados: Extração e interpretação de grandes volumes de dados do ENEM para identificar padrões de desempenho e tendências educacionais.
- 🎯 Correção de Provas por TRI: Implementação do modelo da Teoria de Resposta ao Item (TRI) para uma avaliação precisa da proficiência dos candidatos.
- 📝 Criação Automática de Questões no Anki: Algoritmo que gera cartões de estudo personalizados, com questões balanceadas por dificuldade e habilidades.
- 📈 Geração de Simulados: Criação de provas simuladas adaptadas ao nível do estudante, garantindo um treino direcionado.
- 🤖 Machine Learning Aplicado: Modelos treinados para analisar o desempenho dos usuários e ajustar estratégias de estudo personalizadas.
- 📑 Relatórios de Desempenho: Ferramentas para análise aprofundada do progresso do estudante com estatísticas detalhadas.
- ⚡ Clusterização de Questões: Uso de aprendizado não supervisionado para agrupar questões semelhantes e facilitar o estudo segmentado.
O Enemaster.app é dividido em módulos independentes para maior flexibilidade e escalabilidade:
- Gerador de Dados: Responsável pela manipulação dos microdados do ENEM, extraindo insights relevantes.
- Módulo TRI: Implementação da Teoria de Resposta ao Item para modelagem preditiva de desempenho.
- MCi (Módulo Comum Integrado): Automatiza a criação de listas de treino e flashcards Anki com base no desempenho do usuário.
- Simulador: Geração e correção de simulados personalizados.
- Clusterização: Agrupamento de questões com base em características comuns para otimizar a recomendação de estudo.
- Análises de Grupo: Ferramentas para análise de desempenho coletivo e comparação entre diferentes perfis de estudantes.
- 📈 Análise de Microdados: Extração e modelagem de grandes volumes de dados do ENEM.
- 🏆 Teoria de Resposta ao Item (TRI): Para correção precisa de provas e predição de desempenho.
- 🧠 Machine Learning: Modelos treinados para análise de padrões e recomendação personalizada.
- 🤖 Automação no Anki: Algoritmo que gera e organiza flashcards para otimizar a memorização.
- 📊 Visualização de Dados: Gráficos e relatórios interativos para acompanhamento do progresso.
Se você tem interesse em contribuir, sinta-se à vontade para abrir issues, sugerir melhorias ou desenvolver novas funcionalidades.
- Faça um fork do repositório
- Crie um branch para sua feature (
git checkout -b minha-feature) - Commit suas alterações (
git commit -m 'Adiciona nova funcionalidade') - Faça o push para o branch (
git push origin minha-feature) - Abra um pull request
Tem sugestões, dúvidas ou quer colaborar? Entre em contato!
📧 E-mail: [email protected]
