O script R que extrai as questões do PDF para JSON não consegue formatar as questões de maneira totalmente adequada, por exemplo, tabelas e fórmulas matemáticas não são extraídas adequadamente. Dessa forma, é necessário realizar uma revisão manual.
Nesta revisão você deve observando a questão original na prova do POSCOMP formatar o conteúdo do JSON para que fique igual ao original.
O arquivo JSON das questões é composto de 7 campos, respectivamente:
- Ano: ano ao qual a questão pertence (Inteiro)
- Num: número da questão na prova a que pertence (Inteiro)
- Enunciado: enunciado da questão ([String])
- Alternativas: texto das alternativas ([String])
- Imagens: urls das imagens no github ([String])
- Resposta: índice do array de alternativas que contém a resposta correta. (Inteiro)
- Componente: componente do exame ao qual a questão pertence (String)
- Subárea: subárea do componente ao qual a questão pertence (String)
-
Remova caracteres especiais mal formatados que não fazem parte do conteúdo
-
Remova as tabelas e fórmulas mal formatadas
-
Em caso de dúvida sobre como proceder com alguma questão, consulte o Gerente Geral
-
ATENÇÃO! O conteúdo das questões DEVE permanecer idêntico ao do contido nas provas em PDF.
Caso o enunciado da prova cotenha mais de um parágrafos, eles devem ser representados como elementos de um array de elementos no campo Enunciado, por exemplo:
O campo enunciado do JSON deverá ser:
"Enunciado": [
"Analise as seguintes definições de pipeline de instruções simples, superescalar e multithreading simultâneo:",
"I. Pipeline instruções simples: …",
"II. Superescalar: …",
"III. Multithreading simultâneo (SMT): …",
"Quais estão corretas?"
]
A formatação interna do array, pode ser tanto linear quanto quebrada em linhas. Todo \n encontrado no texto do enunciado deve ser removido.
Caso o enunciado seja um único parágrafo, ele deve ser mantido como um array com um único elemento.
Caso o enunciado possua parágrafos separados por imagens (ou tabelas, etc), ignore a imagem e unifique o enunciado como o array de parágrafos, citado acima.
O script R não consegue extrair as tabelas do texto de forma adequada, deixando-as como texto sem formatação dentro do conteúdo do enunciado. Caso o enunciado da questão (ou alguma alternativa) tenha uma tabela associado, você deve tirar um printscreen dessa(s) tabelas e adicioná-las como imagens associadas a questão, veja Imagens.
O texto referente as tabelas deve ser removido do corpo do enunciado e/ou alternativa.
O script R não consegue extrair fórmulas matemáticas de forma adequada, de modo que estas ficam mal formatadas e incompletas no texto. Sendo assim, é preciso incluir essas fórmulas utilizando LATEX.
-
Remova o texto mal formatado correspondente a fórmula
-
Utilizando esta ferramenta gere o código LATEX correspondente a fórmula
-
No texto, no local onde a respectiva fórmula deveria estar inclua a fórmula LATEX do item anterior entre $$.
Para saber mais como funciona o LATEX veja este vídeo (tem legendas em Português). E para ver mais sobre como gerar os símbolos matemáticos consulte aqui.
Obs. 1: Algumas fórmulas matemáticas foram extraídas como imagens, nesses casos apague a imagem e inclua a fórmula como LATEX.
Obs. 2: No vídeo indicado sobre LATEX, ele utiliza $ para inline latex e $$ para gerar uma nova linha com a expressão, porém note que sempre deveremos utilizar $$ nos nossos textos como indicado no passo 3, acima.
Obs. 3: Caso seja preciso utilizar funções do LATEX, por exemplo \pi ou \frac{}{}. Usem \\pi e \\frac{}{} com \\, para que o parser do JSON consiga ler.
O script R extraí as imagens do PDF, e as salva na pasta images. Porém as imagens não são relacionadas as questões. Sendo assim, você deve olhar se sua questão tem alguma imagem e procurar por ela na pasta de imagens. Ou ainda, se sua questão possuir tabelas, conforme explicado em Tabelas.
-
Gráficos
-
Tabelas
-
Trechos de código
-
Diagramas (classe, caso de uso, máquinas de estado, etc)
-
Representações gráficas de Estruturas de Dados (grafos, pilhas, listas, etc)
-
Representações gráficas de Circuitos Lógicos
-
Quaisquer outra representação gráfica
-
O nome de uma imagem deve ser img-[questão]-[número da imagem]. Por exemplo, suponha que a questão 4 da prova de 2017 tenha duas imagens, essas serão img-04-01 e img-04-02.
-
Caso a imagem esteja associada a um alternativa, seu nome deve ser img-[questão]-[número da alternativa (0-indexado)]-[número da imagem]. Por exemplo, considere que a questão 12 contém uma imagem associada a alternativa C, ela será img-12-02-01.
-
O campo imagem deve ser um array.
-
Insira as imagens como strings separadas por vírgula.
-
O caminho incluído deve ser [ano da prova]/images/[nome da questão]. Por exemplo, considerando o exemplo anterior da questão 4, teríamos:
"Imagens": ["2017/images/img-04-01", "2017/images/img-04-02"]
As alternativas serão representadas como um array de string, onde cada entrada contém o texto de uma das alternativas, respectivamente de A a E correspondem aos índices de 0 a 4 no array. Todo \n (ou carectere especial que não faça parte) encontrado no texto de uma alternativa deve ser removido.
O gabarito deve indicar o índice do array que contém a alternativa correta. Caso o gabarito esteja como -1, indica que esta questão foi anulada no exame. O JSON de uma questão alunada deve ser removido.
O componente deve ser: Matemática, Fundamentos da Computação ou Tecnologia da Computação. A grafia deve ser a que aqui foi dita.
A partir da prova de 2019, no gabarito passou estar incluso a subárea a qual a questão pertence, para estes casos deve ser mantido o conteúdo extraído do gabarito. Nos demais, anos este campo deve ser igual ao componente.