A Avaliação Automática de Redações (AAR), por meio de técnicas de Processamento de Linguagem Natural (PLN) e Aprendizado de Máquina (AM), busca avaliar e pontuar textos em prosa escrita. No Brasil, o Exame Nacional do Ensino Médio (ENEM) contém, atualmente, a maior prova de redação do país na qual exige-se a produção de um texto em prosa, do tipo dissertativo-argumentativo, cujo o processo de correção levar em consideração 5 competências estabelecidas pela matriz de referência da redação do ENEM. Esta pesquisa objetivou investigar e propor estratégias para AAR escritas na língua portuguesa por meio de uma abordagem baseada na criação e revisão de um corpus anotado de redações do ENEM criado a partir da extração automatizada de redações da internet, bem como na definição de conjuntos de features específicas para cada competência e o desenvolvimento de modelos de AAR baseados em métodos de engenharia de features, Embeddings Doc2Vec e Redes Neurais Recorrentes LSTM para predizer a nota de uma redação para cada uma das 5 competência. Os resultados obtidos demonstraram que os modelos baseados em engenharia de fatures obtiveram os melhores resultados paras competências 1 e 2 com nível de concordância moderado, já para as com competências 3, 4 e 5, o modelo baseado em RNN do tipo LSTM obtiveram um melhor desempenho com o nível de concordância também moderado. Os resultados obtidos foram validados por meio de uma ferramenta web de AAR desenvolvida com os modelos de AAR que obtiveram os melhores resultados nesta pesquisa. Com esta ferramenta, alunos do ensino médio puderam ter suas redações avaliadas pelos modelos de AAR e um avaliador humano. A concordância entre as notas do avaliador humano e dos modelos de AAR alcançaram um nível moderado para as 5 competências e bom para a nota final. Apesar de mais estudos serem necessários, os resultados obtidos demonstraram que a abordagem adotada nesta pesquisa tem potencial para ser usada para a avaliação automática de redações escritas em português em larga escala.