Anthony Irlan Marques Luz

Membros / Perfil

Anthony Irlan Marques Luz

Pesquisador IFPI - Picos

Publicações

2025

Conference

A Zero-Shot Prompting Approach for Automated Feedback Generation on ENEM Essays

Rafael Anchiêta; Anthony I. M. Luz; Shara L. C. Lopes; Raimundo S. Moura

Proceedings of the 31st Brazilian Symposium on Multimedia and the Web (WebMedia 2025), 2025

Resumo

<jats:p>Automated Essay Scoring (AES) has made significant progress in evaluating written texts, but the generation of constructive feedback for essays, particularly in Portuguese, remains underexplored. This paper proposes a zero-shot prompting approach to automatically generate feedback for ENEM essays, an essential component of formative assessments.We evaluate several Large Language Models (LLMs) – Gemini 2.0 Flash, Sabiá 3, Llama 3-8B, and Qwen 3-8B – to provide feedback on five competencies defined by the ENEM scoring rubric. Using the AES-ENEM dataset, we prompt the models to generate feedback for each competency, comparing their semantic similarity with human feedback using the BERTScore metric. Additionally, a linguist with expertise in ENEM essays evaluates the feedback for its constructiveness and informativeness. Our results demonstrate that while the models perform similarly in BERTScore evaluations, the Qwen model produces the most informative and constructive feedback. This work contributes to the development of automated systems that not only grade essays but also assist in improving student writing skills, potentially reducing teacher workload in large-scale assessments.</jats:p>

Conference

U-Net + Transformer Encoder and Lora Adaptation for Rural Sheep Segmentation

Júlio V. M. Marques; Willians S. Santos; Anthony I. M. Luz; Rafael L. Araújo; Alcilene D. de Sousa; Jose L. R. Sarmento; Romuere R. V. Silva

2025 38th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2025

Conference

A Weight Monitoring Platform for Small Ruminants Using U-Net and EfficientNetB1

Rafael L. Araújo; Júlio V. M. Marques; Anthony I. M. Luz; Marina C. M. Santos; João dos Santos Neto; Alcilene D. de Sousa; Frank C. L. Veras; Antônio O. de Carvalho Filho; Romuere R. V. e Silva

Anais do XXII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2025), 2025

Resumo

A criação de caprinos e ovinos em pequenas fazendas no Brasil enfrenta desafios no monitoramento do peso dos animais, devido à ausência de balanças precisas, essenciais para o manejo nutricional e sanitário. Este estudo propõe um sistema web para estimativa automática e não invasiva do peso corporal de pequenos ruminantes. Desenvolvido com tecnologias de código aberto, como Django e SQLite, o sistema utiliza deep learning com U-Net para segmentação dos animais, EfficientNetB1 para extração de características e regressores para a predição de peso. Foram avaliadas 203 imagens de 42 animais, com resultados promissores: Dice de 97,7 na segmentação, MAE de 2,65, RMSE de 4,20 e R² de 0,81 na regressão. A solução apresenta desempenho competitivo e baixo custo, viabilizado pelo uso de câmera comum e software livre.

Conference

Aplicação de Machine Learning no Diagnóstico da Peste des Petits Ruminants: Uma Abordagem Comparativa entre Classificação e Clusterização

Rafael L. Araújo; Vitor R. F. Da Silva; Francisco E. Santos; Anthony I. M. Luz; Romuere R. V. e Silva

Anais do XVII Encontro Unificado de Computação do Piauí (ENUCOMPI 2025), 2025

Resumo

A Peste dos Pequenos Ruminantes (PPR) é uma doença infecciosa que afeta caprinos e ovinos, causando impactos econômicos e sanitários significativos. Métodos tradicionais de diagnóstico, como o RT-qPCR, embora precisos, demandam tempo e infraestrutura. Este estudo avalia o uso de técnicas de Machine Learning para auxiliar no diagnóstico da PPR a partir de dados clínicos. Foram aplicados modelos de classificação e clusterização para identificar padrões associados à presença da doença. O Gradient Boosting obteve os melhores resultados preditivos, enquanto a análise por clusterização indicou estruturas relevantes nos dados. Os achados apontam para o potencial dessas abordagens no apoio à detecção e monitoramento da PPR.

2024

Conference

A Reproducibility Analysis of Portuguese Computational Processing Conferences: A Case of Study

Leal, Daniel and Luz, Anthony and Anchîeta, Rafael; Gamallo, Pablo and Claro, Daniela and Teixeira, António and Real, Livy and Garcia, Marcos and Oliveira, Hugo Gonçalo and Amaro, Raquel

Proceedings of the 16th International Conference on Computational Processing of Portuguese - Vol. 1, 2024

2023

Conference

Improving Irony Detection by Balancing Methods and Feature Selection

Anthony I. M. Luz; Henrique Santos; Manoel M. P. Medeiros; Rafael T. Anchiêta

Anais do XII Brazilian Workshop on Social Network Analysis and Mining (BraSNAM 2023), 2023

Resumo

<jats:p>Irony is a linguistic phenomenon that can be seen as a funny or strange aspect of a situation that is very different from what is expected, using words that say the opposite of what they really mean, often as a joke, and with a voice that shows that. When it is just text, detecting irony becomes quite challenging. In this paper, we adopt an approach organized into three stages: feature extraction, sampling techniques, and feature selection to detect ironic texts written in the Portuguese language. We evaluate our strategy on the IDPT corpus and achieve 0.55 balanced accuracy, outperforming state-of-the-art results. Moreover, we found out that both sampling techniques and feature selection may improve the results.</jats:p>