Generador de Resúmenes y Cuestionarios Automatizados

Descripción

Aplicación web que procesa archivos (PDF, DOCX, PPTX) o transcripciones de YouTube para generar:

• 📌 Resúmenes automáticos usando NLP (spaCy + TextRank)
• ❓ Cuestionarios interactivos con IA (Llama 3 70B via NVIDIA API)

¿Por qué este proyecto?
Este generador automatiza la creación de resúmenes y cuestionarios a partir de materiales de estudio, ayudando a estudiantes y profesores a reducir el tiempo de estudio y proporcionar evaluaciones rápidas basadas en contenidos ya existentes. Es ideal para situaciones en las que se requiere procesar grandes cantidades de texto o contenido audiovisual de manera eficiente.

¿A quién va dirigido?
El sistema está diseñado para ser utilizado por:

• Estudiantes que buscan repasar contenidos rápidamente mediante resúmenes y cuestionarios generados automáticamente.
• Profesores que desean generar evaluaciones personalizadas o resúmenes de sus clases grabadas o materiales didácticos.

Capturas del Sistema

1. Análisis de Similitud (Histograma)

Umbral óptimo: 0.85 (configurable en el código)

El histograma muestra cómo se realiza el análisis de similitud para determinar la relación entre las partes del texto. Un umbral de similitud más alto puede mejorar la precisión de los resúmenes.

2. Interfaz Principal

Selección entre archivos locales o URL de YouTube

La interfaz es fácil de usar y permite a los usuarios cargar archivos locales o pegar enlaces de YouTube directamente para comenzar a generar resúmenes y cuestionarios.

3. Ejemplo de Resumen

Reducción de 728 palabras → 120 palabras (83% más conciso)

El resumen es generado usando técnicas de NLP como TextRank, permitiendo una reducción considerable en la longitud del texto sin perder la esencia del contenido.

4. Cuestionario Generado

Las 5 preguntas con opciones múltiples y explicaciones se pueden modificar en esta sección de codigo, donde se debe considerar que a mayor cantidad de preguntas mayor es el coste en tokens de la consulta y por ende la cantidad de solicitudes a la api se reduce, por eso para este caso se usaron 5

El cuestionario generado es interactivo y permite a los usuarios evaluar su comprensión del material. Además, ofrece explicaciones detalladas para cada respuesta.

Tecnologías Utilizadas

Descripción de Tecnologías:

• spaCy: Utilizado para el procesamiento de lenguaje natural (NLP). Su capacidad para trabajar con grandes volúmenes de texto permite una eficiente generación de resúmenes.
• TextRank: Algoritmo basado en grafos para extraer las frases más relevantes del texto, utilizado para la creación de resúmenes.
• Llama 3 70B: Modelo de lenguaje de última generación de NVIDIA utilizado para generar preguntas interactivas y con sentido, alimentado por la API de NVIDIA.
• NVIDIA API: Plataforma utilizada para acceder al modelo Llama 3 y generar preguntas personalizadas.

flowchart TD
    A[Entrada] -->|Archivo PDF/DOCX/PPTX| B(Extracción de Texto)
    A -->|URL de YouTube| C(Transcripción API)
    B --> D[Texto Procesado]
    C --> D
    D --> E{Modo Seleccionado}
    E -->|Generar Resumen| F[spaCy + TextRank]
    E -->|Generar Cuestionario| G[Llama3 70B\nvía NVIDIA API]
    F --> H[Resumen Automático\nReducción 80% palabras]
    G --> I[Cuestionario JSON\n5 preguntas con opciones]
    H --> J[(Salida:\nMarkdown/Interfaz)]
    I --> J
    K[Streamlit] -->|Interfaz Web| L[Usuario Final]

    %% Estilos
    classDef tech fill:#4CAF50,color:white,stroke:#388E3C;
    classDef data fill:#2196F3,color:white,stroke:#1976D2;
    classDef output fill:#FF9800,color:white,stroke:#F57C00;
    classDef tool fill:#9C27B0,color:white,stroke:#7B1FA2;

    class B,C,F,G,K tech;
    class D,A data;
    class H,I,J output;
    class L tool;

classDiagram
    class Streamlit {
        +file_uploader()
        +text_input()
        +button()
    }
    class spaCy {
        +load(model_name)
        +add_pipe(algorithm)
    }
    class NVIDIA_API {
        +base_url: string
        +model: string
    }
    Streamlit --> spaCy : Usa para
    Streamlit --> NVIDIA_API : Consulta

Cómo Usar

1. Sube un archivo (PDF/DOCX/PPTX) o pega URL de YouTube.
2. Elige el modo:
   • ✂️ Resumen: Genera un resumen basado en análisis de similitud de texto.
   • 📝 Cuestionario: Genera un cuestionario interactivo basado en el contenido analizado.
3. Explora los resultados:
   • Resumen: Puedes exportarlo a Markdown o PDF para compartir o estudiar.
   • Cuestionario: Te permite responder preguntas interactivas y verificar tu comprensión.

¿Cómo se procesan los archivos?

• Archivos PDF/DOCX/PPTX: El texto se extrae usando bibliotecas específicas como PyPDF2 para PDFs y python-docx para documentos de Word. Luego, se procesa para generar el resumen o cuestionario.
• YouTube: La API de transcripción extrae el audio del video y se convierte en texto. Luego, el texto se utiliza para generar el resumen o cuestionario.

Recursos

Modelos

Datasets

• Transcripciones de YouTube (a través de API pública).
• Archivos subidos por usuarios.

Requisitos:

• API key de NVIDIA para Llama 3: Necesaria para acceder a las capacidades del modelo.
• Conexión a internet: Requerida para obtener las transcripciones de YouTube y hacer uso de la API de NVIDIA.

Notas

Se requiere descargar la extension Markdown Preview Mermaid Support
-esto para que se visualizen de buena manera los diagramas en formato mermaid

⚠️ Limitaciones:

• Precisión del resumen: Aunque el sistema está diseñado para crear resúmenes precisos, la calidad depende del contenido y formato del texto. Algunos detalles pueden perderse en la reducción.
• Restricciones de YouTube: El sistema puede tener dificultades para transcribir videos con restricciones de acceso, como los videos privados o protegidos por derechos de autor.

🛠️ Código disponible en: GitHub/repo