GradeBridge-Assignment-Maker
Herramienta web para crear tareas educativas con autocalificación AI y soporte manuscrito. Exporta paquetes ZIP seguros para Gradescope, integrando LaTeX, Markdown y gestión de respuestas electrónicas o físicas sin backend propio.
Ficha actualizada 23 sept 2026, 23:48 · upstream 23 sept 2026, 23:43 · release v1.0.0
Qué es GradeBridge-Assignment-Maker
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
GradeBridge-Assignment-Maker es una aplicación web diseñada para instructores que necesitan crear asignaciones estructuradas con soporte nativo para LaTeX y figuras. La herramienta opera completamente en el navegador y soporta dos modalidades de entrada: electrónica (respuestas tipificadas o imágenes) y manuscrita (hojas imprimibles con QR para recorte automático). El sistema genera paquetes ZIP seguros que contienen únicamente los archivos necesarios para estudiantes, evitando la fuga de claves de respuesta.
La aplicación utiliza React y Node.js, permitiendo una complejidad baja y un despliegue sencillo. Incluye una guía integrada para instructores que funciona offline, accesible desde la interfaz del usuario. El formato de autoría se basa en Markdown estándar, lo que facilita la edición externa y la importación directa de archivos `.md` sin pérdida de información. La arquitectura evita el uso de Docker o contenedores, requiriendo un entorno de desarrollo local con Node.js.
La exportación sigue un contrato estricto donde el archivo `{stem}_FOR_STUDENTS.zip` es el único que se distribuye públicamente, conteniendo solo la hoja PDF y el JSON codificado para la aplicación de entrega. Esto garantiza la integridad del flujo de trabajo en plataformas como Gradescope o Canvas, manteniendo los materiales de corrección privados para instructores y TAs.
- Creación de tareas híbridas que combinan respuestas escritas a mano con imágenes digitales.
- Autocalificación automática de respuestas cortas mediante IA con retroalimentación inmediata.
- Gestión de exámenes manuscritos con recorte automático de regiones de respuesta vía QR.
- Preparación de materiales para plataformas LMS como Canvas o Gradescope con exportación ZIP segura.
- Documentación offline para instructores que no requieren conexión a internet durante la revisión.
- Edición de asignaciones utilizando Markdown estándar y LaTeX sin necesidad de IDEs complejos.
- Exportación ZIP estructurada que limita la distribución pública a dos archivos específicos, previniendo fugas de datos.
- Soporte completo para LaTeX en descripciones de problemas y respuestas dentro del editor web.
- Guía de instrucciones integrada para instructores que funciona completamente sin conexión a internet.
- Compatibilidad nativa con formato Markdown para autoría y round-trip de archivos.
- Arquitectura frontend ligera basada en React y Node.js con complejidad baja.
- Sistema de recorte automático para respuestas manuscritas mediante marcadores QR y esquinas.
- No incluye soporte para Docker ni archivos Dockerfile, requiriendo despliegue manual de Node.js.
- La autocalificación avanzada depende de la integración externa con Gradescope, no es autónoma.
- Sin backend propio; toda la lógica de exportación y gestión se realiza en el lado del cliente o mediante servicios externos.
- Requiere configuración manual de variables de entorno para entornos de producción específicos.
- El archivo de mapa de recorte (`layout_*.csv`) debe guardarse manualmente por el instructor, no se distribuye con estudiantes.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Desplegar como aplicación SPA React o servicio Node.js en puerto 3000. No exponer rutas de instructor ni archivos `.json` no codificados al público. Validar la integridad del ZIP exportado antes de subir a LMS. Asegurar que el entorno de desarrollo tenga las dependencias de Node.js instaladas localmente, ya que no hay contenedores predefinidos.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.