💡 Motivación y el Reto Docente
Cada curso, el Departament d’Educació de la Generalitat de Catalunya publica las pruebas oficiales de Evaluación Diagnóstica (2º de ESO) y Competencias Básicas (4º de ESO) en formato PDF. Son cuadernos de entre 16 y 20 páginas con diagramas científicos, gráficas cartesianas, tablas de datos y baterías de preguntas de opción múltiple y desarrollo.
A la hora de trasladar estas pruebas a Google Forms para que el alumnado pueda responderlas y obtener autoevaluación inmediata:
- El procedimiento tradicional requiere recortar decenas de capturas manualmente, subirlas una a una e introducir las soluciones a mano: fácilmente más de una hora de trabajo tedioso por examen.
- Los recortes rectangulares manuales generan márgenes blancos gigantes que hacen que el texto se vea minúsculo en pantallas móviles o tabletas.
- Con frecuencia se produce contaminación cruzada: el enunciado de la pregunta siguiente queda atrapado en la parte inferior de la imagen de contexto.
Este proyecto nace para construir un pipeline de ingeniería totalmente automatizado, auditado y libre de intervención manual.
🛠️ Arquitectura del Pipeline
El proceso se estructura en cuatro capas independientes y desacopladas:
🔬 Retos Técnicos de Ingeniería Resueltos
1. Invariante Geométrico de Gencat (x0 <= 88.0 pt)
Analizando la maquetación tipográfica de los PDFs del Departament, se identificó que el número de ítem principal comienza invariablemente en una coordenada x0 <= 88.0 pt respecto al margen izquierdo. Cualquier otro número de tabla u opción de test (a, b, c, d) comienza en x >= 95.0 pt. Esto permite aislar los enunciados con cero falsos positivos.
2. Autocrop Estricto con OpenCV (autocrop_tight)
A partir del canal monocromático (gray < 248), se calcula la caja envolvente matemática mínima de la tinta real y se añaden exactamente 6 px de margen estético perimetral, garantizando una visión nítida tanto en móviles como en pantallas grandes:
def autocrop_tight(img, pad=6, white_thresh=248):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) if len(img.shape) == 3 else img
non_white = np.where(gray < white_thresh)
if len(non_white[0]) == 0:
return img
y0, y1 = int(np.min(non_white[0])), int(np.max(non_white[0]))
x0, x1 = int(np.min(non_white[1])), int(np.max(non_white[1]))
h, w = gray.shape
return img[max(0, y0-pad):min(h, y1+pad+1), max(0, x0-pad):min(w, x1+pad+1)]
3. Auditoría de Contaminación con OCR Tesseract en Catalán
Para asegurar que ningún contexto de actividad contenga texto de la pregunta siguiente, cada imagen de contexto pasa por un filtro de OCR Tesseract (lang="cat"). Si detecta patrones como r"^\s*([0-9]{1,2})\.\s+([A-ZÀ-Ú][a-zà-ú]+)", la prueba es rechazada automáticamente.
4. Ponderación Natural en Google Forms API
La API de Google Forms solo admite valores enteros de puntuación (pointValue: integer) y rechaza decimales como 0.25 (INVALID_ARGUMENT). Para tablas de verdadero/falso o sí/no, cada fila se modela como un subítem independiente de 1 punto, respetando el peso curricular sin pérdida de precisión.
📊 Banco de 18 Formularios Oficiales en Producción
El pipeline ha permitido generar y publicar el banco completo de 18 formularios oficiales (2021–2026) alojados de forma permanente y pública:
- 4º de ESO (Competencias Básicas):
- Matemáticas: 2026, 2025, 2024, 2023, 2022, 2021.
- Ciencia y Tecnología: 2026, 2025, 2024, 2023, 2022, 2021.
- 2º de ESO (Evaluaciones Diagnósticas):
- Matemáticas: 2026, 2025, 2024.
- Ciencia y Tecnología: 2026, 2025, 2024.
El tiempo necesario para transformar cualquier cuaderno entero ha pasado de más de una hora a menos de 30 segundos.
💻 Código Abierto
El conjunto de herramientas está publicado en GitHub bajo licencia MIT para uso libre de cualquier docente o centro educativo: 🔗 github.com/adriasantacreu/gencat-cb-forms