Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

GradeBridge-Student-Submission

Aplicación web progresiva para completar y enviar tareas académicas (PDFs ZIP) con soporte LaTeX, imágenes y respuestas AI. 100% local - sin servidor, sin cuentas, datos en almacenamiento del navegador.

Ficha actualizada 25 sept 2026, 14:59 · upstream 25 sept 2026, 14:43 · release v1.0.0

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es GradeBridge-Student-Submission

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

GradeBridge Student Submission es una aplicación web progresiva diseñada para facilitar la entrega de trabajos académicos a sistemas de gestión del aprendizaje (LMS). La herramienta permite a los estudiantes completar tareas estructuradas creadas por instructores mediante el Assignment Maker, generando archivos ZIP listos para subir que contienen PDFs formateados consistentemente y respuestas en texto o imágenes.

La aplicación opera completamente en el navegador sin necesidad de servidor backend ni autenticación de cuenta. Los datos se almacenan temporalmente en el almacenamiento local del navegador hasta que el usuario descarga manualmente el archivo de entrega. Esto garantiza privacidad: no hay telemetría, análisis de uso ni transmisión de datos a servidores externos después de la carga inicial de la página.

Soporta dos modos de trabajo: asignaciones electrónicas donde los estudiantes escriben directamente con soporte LaTeX en vivo y suben imágenes, o asignaciones manuscritas donde imprimen una plantilla PDF, responden en papel y fotografían sus respuestas. El sistema elimina automáticamente metadatos EXIF de las fotografías para proteger la privacidad del estudiante antes de generar el archivo de entrega final.

CASOS DE USO
  • Estudiantes de ingeniería que necesitan escribir ecuaciones matemáticas complejas con LaTeX para tareas de circuitos o física
  • Laboratorios donde los estudiantes deben subir imágenes de gráficas generadas en software como MATLAB o Python
  • Cursos híbridos con asignaciones manuscritas impresas que requieren fotografía y revisión antes de entrega
  • Instituciones que implementan políticas estrictas de privacidad sin servidores externos ni almacenamiento en la nube
PUNTOS DESTACADOS
  • Privacidad verificada: análisis del código confirma que no hay solicitudes a servidores externos después de la carga inicial, solo blob URLs locales
  • Soporte LaTeX con KaTeX: renderizado consistente entre Assignment Maker y Student Submission mediante splitter personalizado en services/mathDelimiters.ts
  • Eliminación automática de metadatos EXIF: decodificación y re-encodificación de imágenes elimina todos los datos de cámara antes del envío
  • Compatible con asignaciones manuscritas: sistema de detección de páginas impresas mediante layout CSV y QR codes en esquinas
  • Export/Import JSON: funcionalidad de backup y restore para preservar trabajo sin depender del almacenamiento local
PRECAUCIONES
  • No soporta Docker ni contenedores según análisis técnico (hasDocker: false, hasDockerfile: false)
  • Requiere navegador moderno con soporte completo para Web APIs de almacenamiento local
  • Las respuestas AI-graded tienen límites de longitud configurables por el instructor pero no se pueden modificar en tiempo de ejecución
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU2 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Despliegue manual

Ejecutar directamente en navegador sin instalación de servidor. Para desarrollo local: git clone, cd al repositorio, npm install y npm run dev. El archivo de entrega se genera automáticamente al pulsar "Download submission". Compatible con asignaciones creadas por Assignment Maker (formato gb1:). No requiere backend ni base de datos.

—Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
ReactNode.jsPython
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
No detectados
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.