Evaluación automática de programas en Python a partir de árboles de sintaxis abstracta

Abstract

[es] Este trabajo de final de grado se centra en la posible automatización en la evaluación de ejercicios en Python mediante árboles de sintaxis abstracta (AST). Nuestra hipótesis se basa en que el AST procedente del ejercicio de un estudiante se considerará correcto de forma directamente proporcional a su semejanza al AST de referencia, es decir, al AST del código del profesor. Pudiendo usar más de un código de referencia, para obtener resultados más precisos. Hemos cuantificado esta similitud mediante la distancia entre los AST y calculado la correlación respecto a la nota puesta por un corrector humano para realizar un estudio de esos resultados. Una de las etapas previas al cálculo de la distancia y bastante relevante en este trabajo, consiste en el “preproceso” del AST con el fin de obtener una cualificación que esté más correlacionada con mejores resultados perfilando ciertos factores. La investigación nos lleva a la posible reducción de la carga de trabajo para un corrector humano, pero con la necesidad de usar esta técnica junto a otras para refinar la cualificación y que llegue a ser adecuada para automatizar la evaluación.